, nous avons présenté une approche d'anonymisation basée sur la solution d'anatomisation pour des graphes de connaissances. A partir de relations sensibles, notre approche déclarative est capable de casser les liens entre les ressources et ses attributs sensibles tout en préservant la connectivité des noeuds du graphe et sans altérer de valeurs contenues dans le graphe, en dehors des QID. Nos futurs travaux concernerons l'impact du raisonnement à partir d'ontologies dans un contexte d'anonymisation

F. Baader, D. Calvanese, D. L. Mcguinness, D. Nardi, and P. F. Patel-schneider, The Description Logic Handbook : Theory, Implementation, and Applications, 2003.

R. Delanaux, A. Bonifati, M. Rousset, and R. Thion, Querybased linked data anonymization, In ISWC, pp.530-546, 2018.
URL : https://hal.archives-ouvertes.fr/hal-01896276

B. Heitmann, F. Hermsen, and S. Decker, k-RDF-neighbourhood anonymity : Combining structural and attribute-based anonymisation for linked data, PrivOn co-located with ISWC, 2017.

A. Maedche and V. Zacharias, Clustering ontology-based metadata in the semantic web, PKDD 2002, pp.348-360, 2002.

D. Christopher, H. Manning, and . Schütze, Foundations of Statistical Natural Language Processing, 1999.

F. Radulovic, R. García-castro, and A. Gómez-pérez, Towards the anonymisation of RDF data, SEKE, pp.646-651, 2015.