通过不变坐标选择在存在离群点的情况下进行数据匿名化

在数据集包含离群观测值时，保护机密数据同时保持效用尤为具有挑战性。现有的潜空间匿名化方法，如谱匿名化（SA），依赖于主成分分析（PCA），因此可能容易受到污染。我们研究了存在离群点时的匿名化问题，并提出了 ICSA，一种基于不变坐标选择（ICS）的 SA 的鲁棒替代方案。通过用 ICS 替换 PCA 变换，可以通过散布矩阵的选择来调节匿名化过程的鲁棒性。伴随方法论的发展，我们推导出一个理论结果，表明在足够有影响力的离群点下 SA 会失效。为了评估这一结果的实际影响，我们通过在不同污染设置和离群点严重程度下的模拟实验，比较了 ICSA 和 SA 的隐私-效用权衡。我们的研究结果表明，基于鲁棒散布矩阵的 ICSA 实现了比 SA 更强的隐私保护，同时通常保持可比的、在某些情况下甚至更优的效用。我们进一步使用一个基准临床数据集检验了所提出方法的实证性能，其中 ICSA 展示了相对于 SA 更优的整体隐私-效用效率。这些结果表明，明确考虑离群点可以实质性地改善匿名化性能，并且鲁棒的潜空间变换为隐私保护的统计数据发布提供了一个有前景的方向。