ScholarGate
Asisten
Machine learningPrivacy-preserving analysis

k-Anonymitas: Melindungi Privasi Individu dalam Data yang Dirilis

k-Anonymitas adalah model privasi formal yang diperkenalkan oleh Latanya Sweeney pada tahun 2002 untuk melindungi individu ketika data pribadi dirilis untuk penelitian atau penggunaan publik. Model ini mensyaratkan bahwa setiap catatan dalam kumpulan data yang dipublikasikan tidak dapat dibedakan dari setidaknya k−1 catatan lainnya sehubungan dengan sekumpulan atribut kuasi-identifikasi yang ditentukan — seperti usia, jenis kelamin, dan kode pos — mencegah identifikasi ulang dengan menghubungkan data yang dirilis ke sumber eksternal.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  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

Cara menyitasi halaman ini

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

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Diakses 2026-06-15 dari https://scholargate.app/id/privacy/k-anonymity · Set data: https://doi.org/10.5281/zenodo.20539026