RELATIONAL DATA WATERMARKING: ROBUST SCHEMES

Questo insegnamento fornisce conoscenze e competenze fondamentali a supporto del Dottorato in Informatica, con una particolare attenzione al settore della cybersecurity.
Esso mira a fornire agli studenti le basi teoriche e pratiche delle tecniche di information hiding, con un focus specifico sul digital watermarking per basi di dati relazionali.
L’insegnamento affronta principalmente schemi robusti progettati per garantire la protezione della proprietà intellettuale e consentire il tracciamento delle copie. Gli obiettivi sono analizzare, applicare ed estendere tecniche di watermarking robusto per basi di dati relazionali, con particolare attenzione ai modelli di avversario.
Particolare enfasi viene posta sulla classificazione degli schemi in termini di robustezza e fragilità, nonché sull’analisi dei diversi tipi di attacchi che possono compromettere la sincronizzazione del watermark.
Al raggiungimento di tali obiettivi, gli studenti saranno in grado di progettare soluzioni di protezione dei dati che tutelino i diritti di accesso e di distribuzione, ampliando così in modo significativo le possibili applicazioni dei dati digitali.

Al termine di questo corso, gli studenti saranno in grado di:
- Individuare le differenze tra sicurezza e robustezza e comprendere come possano essere combinate in modo indipendente, con o senza impatto sulla qualità dei dati.
- Riconoscere le minacce a diversi livelli che potrebbero compromettere la conservazione del watermark.
- Progettare e implementare strategie avanzate di protezione basate su watermark, in grado di migliorare la conservazione del watermark, contribuendo non solo alla robustezza, ma anche alla sicurezza.

Tra i principali prerequisiti del corso, 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 del watermarking digitale e del watermarking dei dati relazionali.

Nota: Sebbene sia auspicabile una conoscenza di base della teoria dei database relazionali, essa non è obbligatoria per gli studenti, poiché il corso include una breve introduzione a questo argomento.

1. Introduzione al watermarking digitale (modello dell’avversario)
2. Tecniche robuste e fragili
3. Effetti collaterali della protezione dei dati relazionali
4. Laboratorio: implementazione delle regole di base per la rilevabilità del watermark
5. Sincronizzazione basata su Virtual Primary Key (VPK)
6. Laboratorio: implementazione e valutazione degli schemi VPK
7. Attacchi di primo grado
8. Laboratorio: affrontare attacchi di primo grado (selezione pseudo-casuale e voto di maggioranza)
9. Attacchi di secondo grado (robustezza vs. sicurezza)
10. Laboratorio: affrontare attacchi di secondo grado (rivendicazioni di proprietà false, collusione e attacchi brute force)

- 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 al termine del programma e consiste in un esame scritto della durata di 45 minuti, strutturato sotto forma di test, con domande di abbinamento, vero/falso, completamento e altre tipologie. L’esame è finalizzato a verificare la capacità dello studente di individuare soluzioni adeguate a situazioni che possano compromettere la proprietà di una base di dati relazionale. Esso comprende sia aspetti teorici sia pratici, con particolare attenzione ai concetti fondamentali del watermarking robusto per dati relazionali e al modello di avversario.
Durante l’esame non è consentito l’uso di materiali cartacei (quali libri, articoli o appunti) né l’utilizzo di telefoni cellulari o di altri dispositivi elettronici, inclusi tablet e computer portatili.
Oltre all’esame scritto, la valutazione tiene conto della partecipazione e delle prestazioni degli studenti durante le attività di laboratorio e le lezioni. Tale valutazione in itinere costituisce un criterio aggiuntivo considerato nella valutazione finale del docente. Sebbene l’esame scritto rappresenti la componente principale del voto complessivo, l’impegno e il contributo costante durante l’insegnamento incidono anch’essi sull’esito finale.
L’esame scritto prevede un punteggio massimo di 25 trentesimi. I restanti 5 punti vengono attribuiti sulla base della performance individuale dello studente lungo l’intero percorso.
Per incentivare la partecipazione e favorire l’apprendimento, ogni lezione prevede esempi seguiti da domande, con esercitazioni svolte inizialmente in forma collettiva e successivamente individuale. Questo approccio consente di chiarire in anticipo eventuali dubbi relativi alle modalità di valutazione. Inoltre, gli studenti hanno accesso a materiali integrativi tramite la piattaforma e-learning di Ateneo (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