- 动手学差分隐私
- (美)约瑟夫·P.尼尔等
- 438字
- 2024-05-11 19:14:12
第2章 去标识
去标识（de-identification）是指从数据集中删除标识信息的过程。有时会将去标识这一术语与匿名（anonymization）和假名（pseudonymization）这两个术语看作同义词，表达相同的概念。
学习目标
阅读本章后，你将能够：
●定义并理解下述概念。
■去标识。
■重标识。
■标识信息/个人标识信息。
■关联攻击。
■聚合与聚合统计。
■差分攻击。
●实施一次关联攻击。
●实施一次差分攻击。
●理解去标识技术的局限性。
●理解聚合统计的局限性。
我们尚不能严谨地定义什么是标识信息。通常将标识信息理解为在日常生活中可以唯一标识我们自己的信息。从这个理解角度看，姓名、地址、电话号码、电子邮箱等都属于标识信息。稍后将会了解到，不可能为标识信息给出严谨的定义，因为所有信息都可以用来标识个体。一般来说，个人标识信息（Personally Identifiable Information，PII）和标识信息这两个术语是同义词，表达相同的概念。
如何才能对信息去标识？很简单，直接移除包含标识信息的列就可以了。
我们将数据中一部分个体的标识信息保留下来，随后将把这些保留的标识信息作为辅助数据（auxiliary data）来实施一次重标识（re-identification）攻击。