98、聚类基 K - 匿名化算法的深入剖析

聚类基 K - 匿名化算法的深入剖析

1. K - 匿名化概述

K - 匿名化是一种重要的数据处理技术，旨在保护数据中的个人隐私。它将包含准标识符（QIDs）和敏感属性（SAs）的表 T 划分为多个组，使得每个组内至少有 k 个元组，并且这些元组在所有 QIDs 上的值相同。

例如，有如下原始数据表格：
| Age | Postcode | Disease |
| — | — | — |
| 20 | NW | HIV |
| 45 | SO | Cancer |
| 25 | NW | HIV |
| 21 | NW | HIV |
| 47 | SO | Cancer |
| 50 | SO | Cancer |

经过 3 - 匿名化处理后，可能得到如下表格：
| Age | Postcode | Disease |
| — | — | — |
| [20 - 45] | {NW,SO} | HIV |
| [20 - 45] | {NW,SO} | HIV |
| [20 - 45] | {NW,SO} | Cancer |
| [25 - 50] | {NW,SO} | HIV |
| [25 - 50] | {NW,SO} | Cancer |
| [25 - 50] | {NW,SO} | Cancer |

这个过程虽然会造成一定的信息损失，但能增加识别个人隐私信息的难度，使得个体与特定敏感属性值关联的概率不超过 1/k。

2. 最优性标准

在进行