ScholarGate
Ассистент
Machine learningPrivacy-preserving analysis

k-Анонимность: Защита индивидуальной конфиденциальности в публикуемых данных

k-Анонимность — это формальная модель конфиденциальности, предложенная Латаньей Суини в 2002 году для защиты частных лиц при публикации персональных данных для исследований или общественного использования. Она требует, чтобы каждая запись в опубликованном наборе данных была неотличима как минимум от k−1 других записей по отношению к заданному набору квази-идентифицирующих атрибутов — таких как возраст, пол и почтовый индекс — предотвращая повторную идентификацию путем связывания опубликованных данных с внешними источниками.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

k-Анонимность: Защита индивидуальной конфиденциальности в публикуемых данных
Дифференциальная приватн…Генерация синтетических…Оценка риска раскрытия (…Secure Multi-Party Compu…

Источники

  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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Получено 2026-06-15 из https://scholargate.app/ru/privacy/k-anonymity · Набор данных: https://doi.org/10.5281/zenodo.20539026