ScholarGate
עוזר
Machine learningPrivacy-preserving analysis

k-אנונימיות: הגנה על פרטיות הפרט בנתונים ששוחררו

k-אנונימיות היא מודל פרטיות פורמלי שהוצג על ידי לטניה סוויני בשנת 2002 כדי להגן על יחידים כאשר נתונים אישיים משוחררים למטרות מחקר או שימוש ציבורי. הוא דורש שכל רשומה במערך נתונים שפורסם תהיה בלתי ניתנת להבחנה מלפחות k−1 רשומות אחרות ביחס לקבוצת תכונות המכונות 'מזהים-למחצה' (quasi-identifying attributes) שנקבעה מראש — כגון גיל, מין ומיקוד — ובכך מונעת זיהוי מחדש על ידי קישור נתונים משוחררים למקורות חיצוניים.

פתיחה ב-MethodMindבקרובוידאובקרובהורדת מצגת

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

מקורות

  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

איך לצטט עמוד זה

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

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה

מאוזכר על ידי

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/privacy/k-anonymity · מערך נתונים: https://doi.org/10.5281/zenodo.20539026