ScholarGate
助手
Machine learningPrivacy-preserving analysis

k-匿名化:保护发布数据中的个体隐私

k-匿名化是Latanya Sweeney于2002年提出的一种形式化隐私模型,旨在保护个人数据在发布用于研究或公共用途时的隐私。它要求发布数据集中每条记录,在指定的准标识符(如年龄、性别和邮政编码)方面,都与至少k-1条其他记录无法区分,从而防止通过将发布数据与外部来源链接进行再识别。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

方法图谱

相关方法的邻域——选择一个节点以展开探索。

来源

  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

如何引用本页

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

选用哪种方法?

将本方法与其最相近的同类并置,并排研读——本馆将书籍铺陈于案上,取舍则由您定夺。

并排比较

被引用于

ScholarGatek-Anonymity (k-Anonymity Data Anonymization). 于 2026-06-15 检索自 https://scholargate.app/zh/privacy/k-anonymity · 数据集: https://doi.org/10.5281/zenodo.20539026