k-anonymity protection of data is m

k-anonymity protection of data is met if the information for each person
contained in the data cannot be distinguished from at least k −1 other individ-
uals in the data. k-anonymity can be achieved by suppressing and generalizing
the attributes of individuals in the data. Suppressing an attribute value means
deleting it from the perturbed data. Generalizing an attribute means replacing
it with a less speci?c but semantically consistent value. One can see that sup-
pression is a special case of generalization, and that suppressing all attributes
would guarantee k-anonymity. This is why a notion of utility in the data has to
be incorporated whenever sanitizing data. The actual objective is to maximize
utility by minimizing the amount of generalization and suppression. Achieving
k-anonymity by generalization with this objective as a constraint is an NP-hard
problem [3]. k-anonymity has been studied mostly for table data, so we begin
by presenting its de?nition using only the nodes V and their attributes V.A
i.e., disregarding links and af?liation groups

Kết quả (Việt) 1:

k-ẩn danh bảo vệ dữ liệu được đáp ứng nếu thông tin cho mỗi ngườichứa trong dữ liệu không thể phân biệt từ ít k −1 individ khác -uals trong dữ liệu. k-ẩn danh có thể đạt được bởi đàn áp và khái quátCác thuộc tính của các cá nhân trong dữ liệu. Đàn áp một giá trị thuộc tính có nghĩa làxóa bỏ nó từ các dữ liệu perturbed. Khái quát một thuộc tính có nghĩa là thay thếnó với một ít speci? c nhưng giá trị ngữ nghĩa nhất quán. Người ta có thể thấy rằng sup-pression là một trường hợp đặc biệt của tổng quát, và trấn áp tất cả thuộc tínhnào đảm bảo ẩn danh k. Đây là lý do tại sao một khái niệm của các tiện ích trong dữ liệu đãđược kết hợp bất cứ khi nào vệ sinh dữ liệu. Mục tiêu thực tế là để tối đa hóaTiện ích bằng cách giảm thiểu số lượng tổng quát và đàn áp. Đạt đượck-ẩn danh bởi tổng quát với mục tiêu này như là một hạn chế là một NP-khóvấn đề [3]. k-ẩn danh đã được nghiên cứu chủ yếu cho các bảng dữ liệu, do đó, chúng tôi bắt đầubằng cách trình bày của nó de? nition bằng cách sử dụng chỉ các nút V và thuộc tính của V.Atức là, bỏ qua liên kết và af? liation nhóm

Kết quả (Việt) 2:

bảo vệ k-anonymity của dữ liệu được đáp ứng nếu thông tin cho mỗi người
chứa trong các dữ liệu không thể được phân biệt với ít nhất k -1 individ- khác
uals trong dữ liệu. k-anonymity có thể đạt được bằng cách ngăn chặn và khái quát
các thuộc tính của các cá nhân trong các dữ liệu. Đàn áp một giá trị thuộc tính có nghĩa là
xóa nó từ các dữ liệu bị nhiễu loạn. Khái quát một thuộc tính có nghĩa là thay thế
nó với một ít đặc hiệu? c nhưng giá trị ngữ nghĩa phù hợp. Người ta có thể thấy rằng sup-
pression là một trường hợp đặc biệt của sự tổng quát, và đàn áp tất cả các thuộc tính
sẽ đảm bảo k-anonymity. Đây là lý do tại sao một khái niệm về tiện ích trong các dữ liệu đã
được đưa bất cứ khi nào dữ liệu khử trùng. Mục tiêu thực tế là để tối đa hóa
tiện ích bằng cách giảm thiểu số lượng tổng quát và đàn áp. Đạt được
k-anonymity bởi khái quát với mục tiêu này như một hạn chế là một NP-hard
vấn đề [3]. k-anonymity đã được nghiên cứu chủ yếu là cho các dữ liệu bảng, vì vậy chúng ta bắt đầu
bằng cách trình bày Định nghĩa của nó de? chỉ sử dụng các nút V và các thuộc tính của họ VA
tức, liên kết bất chấp và af? nhóm liation