ScholarGate
Assistent
Machine learningPrivacy-preserving analysis

k-Anonymitet: Beskyttelse af individuel privatliv i frigivne data

k-Anonymitet er en formel privatlivsmodel introduceret af Latanya Sweeney i 2002 for at beskytte individer, når personlige data frigives til forskning eller offentlig brug. Den kræver, at hver post i et publiceret datasæt er umulig at skelne fra mindst k−1 andre poster med hensyn til et udpeget sæt af quasi-identificerende attributter – såsom alder, køn og postnummer – hvilket forhindrer re-identifikation ved at sammenkoble frigivne data med eksterne kilder.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Sweeney, L. (2002). k-anonymity: A model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 10(5), 557–570. DOI: 10.1142/S0218488502001648

Sådan citerer du denne side

ScholarGate. (2026, June 2). k-Anonymity Data Anonymization. ScholarGate. https://scholargate.app/da/privacy/k-anonymity

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Refereret af

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Hentet 2026-06-15 fra https://scholargate.app/da/privacy/k-anonymity · Datasæt: https://doi.org/10.5281/zenodo.20539026