Algorithm “隐私和匿名化”；算法"；
我在一本书中读到这个问题（采访问题），想在这里详细讨论这个问题。请在上面放几盏灯 问题如下：- 隐私和匿名化 马萨诸塞州团体保险委员会早在20世纪90年代中期就有了一个好主意——它决定公布州雇员的“匿名”数据，显示他们每一次医院就诊的情况 目的是帮助研究人员。该州花了大量时间删除姓名、地址和社会保险号等标识。马萨库塞茨州长向公众保证，这足以保护患者隐私 后来，一名研究生发现这种方法存在重大缺陷。她要求提供一份数据副本，并通过在多个栏中整理数据，她能够确定州长的健康记录 这表明在匿名化数据时需要格外小心。确保隐私的一种方法是聚合数据，这样任何记录都可以映射到至少k个个人，以获得k的某个较大值 我想通过一些例子来实际体验这个问题，然后看看真正需要做什么来实现匿名化。我希望你清楚这个问题 我没有经验丰富的人能帮我处理这样的问题。请不要投票来结束这个问题。。。。。如果发生这种情况，我会很无助 谢谢&如果需要更多的解释，请回答问题 “我想通过一些例子来实际体验这个问题，然后了解进行匿名化的实际步骤。” 您还可以通过单独查找一个数据集来构建自己的数据集，“匿名化”它，并尝试重新构建它 “我想通过一些例子来实际体验这个问题，然后了解进行匿名化的实际步骤。”Algorithm “隐私和匿名化”；算法"；,algorithm,Algorithm,我在一本书中读到这个问题（采访问题），想在这里详细讨论这个问题。请在上面放几盏灯 问题如下：- 隐私和匿名化 马萨诸塞州团体保险委员会早在20世纪90年代中期就有了一个好主意——它决定公布州雇员的“匿名”数据，显示他们每一次医院就诊的情况 目的是帮助研究人员。该州花了大量时间删除姓名、地址和社会保险号等标识。马萨库塞茨州长向公众保证，这足以保护患者隐私 后来，一名研究生发现这种方法存在重大缺陷。她要求提供一份数据副本，并通过在多个栏中整理数据，她能够确定州长的健康记录 这表明在匿名化数据时需要格
您也可以通过单独查找一个数据集来构建自己的数据集，“匿名化”它，并尝试重新构建它。我只是复制了您粘贴的部分文本，无意中发现了它 这有助于理解您的问题： 在GIC发布数据时，时任马萨诸塞州州长威廉·韦尔德（William Weld）向公众保证，GIC通过删除标识符保护了患者隐私。作为回应，当时的研究生斯威尼开始在GIC数据中寻找州长的医院记录。她知道韦尔德州长居住在马萨诸塞州剑桥市，该市有54000名居民，邮编为7。她花了20美元从剑桥市购买了完整的选民名单，这是一个数据库，其中包括每个选民的姓名、地址、邮政编码、出生日期和性别。通过将这些数据与GIC记录相结合，Sweeney轻松找到了调速器焊缝。剑桥只有六个人分享了他的出生日期，其中只有三个人是男性，其中只有他住在自己的邮编里。斯威尼博士把州长的健康记录（包括诊断和处方）送到了他的办公室，这是一种戏剧性的繁荣 轰！但这只是斯威尼职业生涯的早期里程标志；2000年，她发现，87%的美国人只需使用邮政编码、出生日期和性别这三个信息就能被唯一识别 正如您所说的，您需要一个随机数据库，并确保任何记录都可以映射到至少k个个体，对于某个较大的k值 换句话说，您需要清除数据库中的歧视性信息。例如，如果在数据库中只保留性别（M/F），则无法确定谁是谁。因为只有两个条目：M和F 但是，如果您选择出生日期，那么您的条目总数将或多或少变为2*365*80~=50.000。（我选择了80年）。即使您的数据库包含50万人，其中一人（比如1985年3月3日出生的男性）也有可能是唯一有此项的人，因此您可以认出他 这只是一个简单的方法，依赖于组合的东西。如果你想要更复杂的东西，寻找和 编辑：让我们举个例子。让我们假设我在从事医疗工作。只要我保持
- 性别：2种可能性（M，F）
- 血型：4种可能性（O、A、B、AB）
- 恒河猴：2种可能性（+，-）
- 他们居住的州：50种可能性（如果你在美国）
- 出生月份：12种可能性（影响婴儿死亡率）
- 他们的年龄类别：10种可能性（0-9岁，10-19岁…90无限）
但是，如果您只拥有您居住的城市的数据库，例如，该城市有20万居民，则您无法保证匿名。因为200000比96000“大不了多少”。（“不太大”是一个真正复杂的科学术语，需要概率方面的知识：P）
我只是复制了你文章中粘贴的部分，无意中发现了
这有助于理解您的问题： 在GIC发布数据时，时任马萨诸塞州州长威廉·韦尔德（William Weld）向公众保证，GIC通过删除标识符保护了患者隐私。作为回应，斯图毕业了