ScholarGate
어시스턴트
Machine learningPrivacy-preserving analysis

k-익명성: 공개 데이터에서 개인 정보 보호

k-익명성(k-Anonymity)은 개인 정보가 연구 또는 공공 사용을 위해 공개될 때 개인을 보호하기 위해 Latanya Sweeney가 2002년에 도입한 형식적인 프라이버시 모델입니다. 이는 공개된 데이터셋의 모든 레코드가 연령, 성별, 우편번호와 같은 지정된 준식별자(quasi-identifying attributes) 집합에 대해 최소 k-1개의 다른 레코드와 구별할 수 없도록 요구하여, 공개된 데이터를 외부 소스와 연결함으로써 재식별을 방지합니다.

MethodMind에서 열기곧 제공동영상곧 제공슬라이드 다운로드

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

방법 지도

관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.

출처

  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

이 페이지 인용 방법

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

어떤 방법일까요?

이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.

나란히 비교하기

이 방법을 참조하는 항목

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/privacy/k-anonymity · 데이터셋: https://doi.org/10.5281/zenodo.20539026