C. Mauger, G. Le Mahec, G. Dequen, ‘Modeling and Evaluation of k-anonymization Metrics‘, Privacy Preserving Artificial Intelligence Workshop of AAAI, 2020

      Commentaires fermés sur C. Mauger, G. Le Mahec, G. Dequen, ‘Modeling and Evaluation of k-anonymization Metrics‘, Privacy Preserving Artificial Intelligence Workshop of AAAI, 2020
  • Lien
  • Résumé : Le concept de k-anonymat, introduit par (Samarati et Sweeney 1998), propose un compromis intéressant entre la confidentialité et l’utilité des données publiées en vue de leur exploitation. Cependant, la minimisation de la perte d’information tout au long du processus de k-anonymisation d’une base de données est connue pour être NP-difficile (Meyerson et Williams 2004). Plusieurs travaux antérieurs ont défini des métriques pour mesurer et optimiser ce processus en fonction de différentes priorités ou perspectives. Dans cet article, nous présentons d’abord une modélisation unifiée des métriques d’optimisation pour la k-anonymisation d’une base de données. Ensuite, nous proposons différentes nouvelles métriques pour ce problème d’optimisation. Enfin, nous évaluons trois métriques de la littérature ainsi que nos nouvelles métriques à l’aide d’un algorithme glouton tout au long du processus d’anonymisation pour 21 valeurs de k.