超越交易曲线：多变量和高级风险-效用图用于评估匿名化和合成数据

匿名化微数据需要在降低披露风险与保持数据效用之间进行权衡。传统评估通常依赖单一度量或二维风险-效用（R-U）图，但实际评估涉及多个相互关联的风险和效用指标。成对比较这些度量可能既不高效也不完整。因此，我们系统地比较了六种用于同时评估多个风险和效用措施的可视化方法：热力图、点图、复合散点图、平行坐标图、径向概览图和基于 PCA 的双轴图。我们引入块式 PCA 用于复合散点图和联合 PCA 用于双轴图，这些方法同时揭示了方法性能和度量之间的相互关系。通过在所有方法中系统性地识别 Pareto 最优方法，我们展示了多变量可视化如何支持更有信息的选择匿名化方法。