基于 l-多样性的数据分类的统计学习理论方法

企业正在保留越来越大的个人数据语料库；数据泄露的频率及相应的隐私影响也随之上升。减轻这种风险的一种方法是使用匿名化数据，将个人数据的暴露限制在绝对需要的范围内。这对于数据挖掘似乎特别合适，因为其目标是可推广的知识而非特定个人的数据。在实践中，由于担心使用匿名化或差分隐私方法可能会“遗漏某些信息”，企业的数据挖掘者通常坚持使用原始数据。本文为使用匿名化数据提供了理论依据。具体而言，我们表明，在满足 l-多样性的匿名化数据上训练的支持向量分类器，预期应能取得与在原始数据上训练一样好的效果。Anatomy 保留了所有数据值，但在标识值与敏感值之间的映射中引入了不确定性，从而满足 l-多样性。所提方法的理论有效性通过几个公开可用的数据集得到了验证，结果表明，在使用受 k-匿名性保护的训练数据进行支持向量分类时，我们的表现优于 state of the art，并且与在原始数据上的学习效果相当。