Machine learningPrivacy-preserving analysis

k-Anonymity : Protection de la vie privée individuelle dans les données publiées

La k-anonymité est un modèle formel de protection de la vie privée introduit par Latanya Sweeney en 2002 pour protéger les individus lorsque des données personnelles sont publiées à des fins de recherche ou d'usage public. Il exige que chaque enregistrement d'un ensemble de données publié soit indiscernable d'au moins k−1 autres enregistrements par rapport à un ensemble désigné d'attributs quasi-identificateurs — tels que l'âge, le sexe et le code postal — empêchant la ré-identification en reliant les données publiées à des sources externes.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

k-Anonymity : Protection de la vie privée individuelle dans les données publiées
Confidentialité différen…Génération de données sy…Évaluation du risque de…Calcul Sécurisé Multipar…

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Consulté le 2026-06-15 sur https://scholargate.app/fr/privacy/k-anonymity · Jeu de données : https://doi.org/10.5281/zenodo.20539026