RELATIONAL DATA WATERMARKING: FUNDAMENTALS

L’insegnamento fornisce contenuti e competenze fondamentali che contribuiscono direttamente al percorso di dottorato in Informatica. È concepito per dotare gli studenti delle basi teoriche e metodologiche dell’occultamento dell’informazione e della marcatura digitale, con particolare attenzione alla tutela delle basi di dati relazionali.
Gli obiettivi di questo insegnamento sono quelli di analizzare, applicare ed estendere le architetture di marcatura digitale per le basi di dati relazionali, con particolare enfasi sull’algoritmo AHK, assunto come fondamento per lo sviluppo di tecniche avanzate di marcatura. Al fine di conseguire tali obiettivi, gli studenti approfondiranno le proprietà e i requisiti fondamentali della marcatura digitale ed esamineranno il modello di avversario alla base di questo approccio alla protezione dei dati.
Il raggiungimento di tali obiettivi consente agli studenti di progettare soluzioni avanzate per la protezione dei dati senza la necessità di limitarne l’accesso o la diffusione, ampliandone così in modo significativo le potenziali applicazioni.

Al termine di questo insegnamento, gli studenti saranno in grado di:
- Identificare quando sia più opportuno applicare tecniche di marcatura digitale per proteggere i beni digitali, invece di ricorrere ad altri metodi di sicurezza.
- Comprendere i vantaggi e i rischi legati all’applicazione di tecniche di marcatura digitale per la protezione della proprietà intellettuale e il rilevamento di manomissioni dei dati, tra le varie applicazioni possibili.
- Conoscere le peculiarità e l’opportunità di applicare tecniche di marcatura fragile rispetto a quelle robuste.
- Progettare e implementare una tecnica di marcatura digitale basata sulla gestione del compromesso (trade-off) della marcatura, proponendo variazioni dell’architettura principale.

Tra i principali prerequisiti dell’insegnamento, è richiesto:
- La capacità di comprendere (in lettura e in ascolto) i contenuti presentati in lingua inglese e l’abilità di comunicare (per iscritto e oralmente) utilizzando questa lingua.
- La conoscenza delle basi della teoria degli insiemi, dell’algebra lineare e della logica matematica, fondamentali per la progettazione e la programmazione di algoritmi.
Nota: Sebbene una conoscenza di base della teoria delle basi di dati relazionali sia auspicabile, essa non è obbligatoria per gli studenti, poiché il corso include un’introduzione a questo argomento.

1. Introduzione al watermarking digitale
2. Architettura di base del watermarking
3. Tipologie di beni digitali e supporti
4. Laboratorio: Protezione basata sul tipo di bene digitale
5. L’algoritmo di Agrawal & Kiernan (AHK)
6. Laboratorio: Sviluppo di uno schema semplice di watermarking
7. Proprietà e requisiti del watermarking
8. Laboratorio: Implementazione delle proprietà del watermarking
9. Il modello di avversario
10. Laboratorio: Strategie di robustezza di base

- Agrawal, R., & Kiernan, J. (2002, January). Watermarking relational databases. In VLDB'02: Proceedings of the 28th International Conference on Very Large Databases (pp. 155-166). Morgan Kaufmann.
- Halder, R., Pal, S., & Cortesi, A. (2010). Watermarking techniques for relational databases: Survey, classification and comparison. Journal of universal computer science, 16(21), 3164-3190.
- Rani, S., & Halder, R. (2022). Comparative analysis of relational database watermarking techniques: An empirical study. IEEE Access, 10, 27970-27989.
- Cox, I., Miller, M., Bloom, J., Fridrich, J., and Kalker, I., Digital Watermarking and Steganography. Morgan kaufmann, 2007.
- Barni, M. and Bartolini, F., 2004. Watermarking systems engineering: enabling digital assets security and other applications. Crc Press.

La valutazione principale dell’insegnamento si svolge dopo che tutti i contenuti sono stati trattati. Essa consiste in un esame scritto della durata di 45 minuti, strutturato come test e comprendente domande di abbinamento, vero/falso, completamento e altre tipologie. L’esame è progettato per valutare la capacità dello studente di individuare le soluzioni più appropriate a situazioni che possano compromettere l’integrità o l’ownership di un database relazionale.
L’esame comprenderà domande sia teoriche sia pratiche, affrontando i concetti fondamentali della marcatura digitale (digital watermarking), unitamente ai relativi requisiti, caratteristiche e criteri di classificazione.
Durante l’esame non è consentito l’uso di materiali cartacei (come libri, articoli o appunti delle lezioni). È inoltre vietato l’uso di telefoni cellulari o di altri dispositivi elettronici, inclusi tablet e computer portatili.
Oltre all’esame scritto, gli studenti saranno valutati in base al loro rendimento nei laboratori e nelle lezioni. Tale rendimento costituirà un criterio individuale considerato nella valutazione finale da parte del docente. Pertanto, sebbene l’esame scritto rappresenti la valutazione principale, il rendimento dello studente durante tutto l’insegnamento contribuisce anch’esso alla valutazione complessiva, che, unitamente all’esame, determina il voto finale.
Il punteggio massimo dell’esame scritto è 25 su 30. I restanti 5 punti vengono attribuiti in base al rendimento individuale dello studente.
Per favorire la partecipazione e l’apprendimento, ogni lezione includerà esempi seguiti da domande, con esercizi di valutazione svolti prima collettivamente e successivamente individualmente. Questo approccio permette di chiarire in anticipo eventuali dubbi relativi al processo di valutazione.
Oltre agli esercizi trattati in aula, gli studenti hanno accesso a materiali supplementari sulla piattaforma di e-learning dell’università, moodle.unive.it.

scritto

Per quanto riguarda la gradazione del voto, si assegneranno i punteggi secondo il seguente schema:
A. I punteggi nella fascia 18–22 saranno assegnati quando lo studente dimostra una conoscenza sufficiente dei contenuti trattati in aula e una capacità adeguata di analizzare e investigare i metodi di marcatura digitale per database relazionali.
B. I punteggi nella fascia 23–26 saranno assegnati in presenza di una conoscenza discreta dei contenuti trattati in classe, nonché di un rendimento soddisfacente nell’analisi e nell’approfondimento dei metodi di marcatura digitale per database relazionali, e della capacità di considerare soluzioni collegate ad altre discipline o ad altri metodi di sicurezza.
C. I punteggi nella fascia 27–30 saranno assegnati in presenza di una buona o ottima conoscenza dei contenuti offerti nelle lezioni e di solide capacità analitiche e di approfondimento riguardo ai concetti e ai metodi di sicurezza presentati nei casi. A questo livello, lo studente deve dimostrare maggiore autonomia nella conduzione delle ricerche, nonché un’elevata capacità di analizzare e integrare i metodi di marcatura digitale con altre soluzioni o discipline.
D. La lode sarà attribuita in presenza di una conoscenza eccellente dei contenuti e di un rendimento superiore nella partecipazione e nell’implementazione delle soluzioni discusse in classe.

Questo insegnamento prevede moduli di apprendimento strutturati disponibili sulla piattaforma di e-learning dell’università, moodle.unive.it. Tali moduli contengono materiali considerati essenziali per l’insegnamento e fungono da riferimento per gli studenti durante tutto il percorso di studio. Essi sono progettati per coinvolgere gli studenti nella risoluzione di casi pratici reali, stimolando il pensiero critico e le capacità di problem solving. Inoltre, la piattaforma consente agli studenti di confrontare le proprie soluzioni con quelle proposte dal docente o applicate nella pratica professionale, favorendo così la comprensione e l’integrazione tra conoscenze teoriche e applicazioni pratiche.

Questo insegnamento tratta argomenti connessi alla macroarea "Città, infrastrutture e capitale sociale" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile