ScholarGate
Pembantu
Machine learningPrivacy-preserving analysis

k-Anonymiti: Melindungi Privasi Individu dalam Data yang Dikeluarkan

k-Anonymiti ialah model privasi formal yang diperkenalkan oleh Latanya Sweeney pada tahun 2002 untuk melindungi individu apabila data peribadi dikeluarkan untuk penyelidikan atau kegunaan awam. Ia memerlukan setiap rekod dalam set data yang diterbitkan tidak dapat dibezakan daripada sekurang-kurangnya k−1 rekod lain berkenaan dengan set atribut kuasi-pengenalan yang ditetapkan — seperti umur, jantina, dan kod pos — menghalang pengenalpastian semula dengan memautkan data yang dikeluarkan kepada sumber luaran.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

k-Anonymiti: Melindungi Privasi Individu dalam Data yang Dikeluarkan
Privasi PembezaanPenjanaan Data Sintetik…Penilaian Risiko Pendeda…Secure Multi-Party Compu…

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 memetik halaman ini

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

Dirujuk oleh

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