ScholarGate
Assistent
Machine learningPrivacy-preserving analysis

k-Anonymitet: Skydd av individuell integritet i publicerad data

k-Anonymitet är en formell integritetsmodell som introducerades av Latanya Sweeney år 2002 för att skydda individer när personuppgifter publiceras för forskning eller offentligt bruk. Den kräver att varje post i en publicerad datamängd är oskiljbar från minst k−1 andra poster med avseende på en utsedd uppsättning av kvasi-identifierande attribut – såsom ålder, kön och postnummer – vilket förhindrar återidentifiering genom att koppla publicerad data till externa källor.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  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

Så citerar du den här sidan

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

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). Hämtad 2026-06-15 från https://scholargate.app/sv/privacy/k-anonymity · Datamängd: https://doi.org/10.5281/zenodo.20539026