ScholarGate
Assistent
Machine learningPrivacy-preserving analysis

k-Anonymitet: Beskyttelse av individuell personvern i utgitte data

k-Anonymitet er en formell personvernmodell introdusert av Latanya Sweeney i 2002 for å beskytte individer når personlige data frigis for forskning eller offentlig bruk. Den krever at hver oppføring i et publisert datasett er uadskillelig fra minst k−1 andre oppføringer med hensyn til et utpekt sett av kvasi-identifiserende attributter – som alder, kjønn og postnummer – og forhindrer re-identifisering ved å koble utgitte data til eksterne kilder.

Åpne i MethodMindSnartVideoSnartLast ned lysbilder

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Metodekart

Nabolaget av beslektede metoder — velg en node for å utforske.

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 2). k-Anonymity Data Anonymization. ScholarGate. https://scholargate.app/no/privacy/k-anonymity

Hvilken metode?

Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.

Sammenlign side om side

Referert av

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Hentet 2026-06-15 fra https://scholargate.app/no/privacy/k-anonymity · Datasett: https://doi.org/10.5281/zenodo.20539026