数据匿名化方法概述

这部分内容有帮助吗？

参考文献

k-Anonymity: A model for protecting privacy, Latanya Sweeney, 2002 International Journal on Uncertainty, Fuzziness and Knowledge-based Systems, Vol. 10 DOI: 10.1142/S0218488502001658 - 介绍了基础的k-匿名模型，这是一种常见的数据匿名化方法，通过确保每条记录与至少k-1条其他记录无法区分，与泛化技术相关。
Privacy-Preserving Data Publishing: An Overview, Raymond Chi-Wing Wong, Ada Wai-Chee Fu, 2010 Synthesis Lectures on Data Management, Vol. 2 (Morgan & Claypool Publishers) DOI: 10.2200/S00237ED1V01Y201003DTM002 - 全面概述了各种传统的隐私保护数据发布技术，包括数据屏蔽、泛化和扰动，并讨论了其效用与隐私的权衡。
A Survey of Privacy-Preserving Synthetic Data Generation, Zhaohang Cao, Zhe Li, Chuan Wang, Ke Lyu, Yuzhen Wang, and Bing Yuan, 2023 ACM Computing Surveys, Vol. 56 (Association for Computing Machinery (ACM)) DOI: 10.1145/3631481 - 近期关于隐私保护合成数据生成方法的一篇全面综述，与理解合成数据作为匿名化策略直接相关。
The Algorithmic Foundations of Differential Privacy, Cynthia Dwork and Aaron Roth, 2014 Foundations and Trends® in Theoretical Computer Science, Vol. 9 (Now Publishers Inc.) DOI: 10.1561/0400000042 - 一本基础性著作，介绍了差分隐私，这是一种严格的隐私数学定义，对于构建稳健的隐私保护系统和评估合成数据中的隐私风险至关重要。