50、含 NULL 值的微数据 k - 匿名性

含 NULL 值的微数据 k - 匿名性

1. 引言

详细的数据收集对于研究、基于事实的治理或基于知识的决策而言是重要的资源。在统计数据库领域，任何包含实体（特别是个人和组织）详细信息的数据集合都被称为微数据。

微数据发布的一个关键要求是保护数据所有者的隐私，这受到法律法规的保护。此外，对于需要数据所有者自愿分享（捐赠）数据的情况，隐私保护是数据所有者的主要担忧之一，也是他们同意捐赠数据的决定性因素。为了保护隐私免受关联攻击，k - 匿名性的概念受到了广泛关注。其核心思想是将每个个体隐藏在至少 k 个成员的群体中，以保护隐私。为此，人们开发了许多实现该概念的匿名化算法。

然而，令人惊讶的是，原始的 k - 匿名性定义以及众多匿名化算法都没有处理微数据中的未知或缺失值（数据库术语中的 NULL 值）。现有研究很少讨论微数据中 NULL 值在匿名化方面的问题，大多数技术和算法都要求在匿名化之前从表中删除至少包含一个 NULL 值的所有记录。

实际上，NULL 值在微数据中并不罕见，例如在医学研究数据集中经常出现。某些属性可能不适用于每个患者，患者可能拒绝回答某些问题，或者由于身体或精神状况无法回答，紧急情况下某些测试可能未进行等。

通过泛化和数据抑制进行匿名化会导致信息丢失，减少这种信息丢失是许多研究的目标。匿名化算法忽略 NULL 值会导致删除表中的行，造成大量信息丢失，还可能引入偏差，影响数据的进一步分析和统计结果的有效性。

本文为匿名化算法中处理 NULL 值提供了全面的基础，将 k - 匿名性中 NULL 值的问题归结为值与 NULL 值之间不同的匹配定义，表明广泛用于匿名化的泛化算法可以轻松扩展以涵盖 NULL 值，并且这