做得好！

Python 中的数据隐私与匿名化

Rebeca Gonzalez

Data engineer

你已完成课程

回顾：你学到了什么

• 敏感与非敏感的可识别个人信息（PII）
• 准标识符
• 关联攻击
• 数据抑制
• 数据遮蔽
• 数据泛化
• 合成数据生成
• 针对不同属性类型的分布采样

隐私模型：k-匿名性

• k-匿名数据集
• 探索数据集中的组合
• 用层级和范围对数据泛化
• 规避再识别攻击
• 无需捏造或随机化数据！

隐私模型：差分隐私

• 差分隐私可度量数据发布中的隐私
• 当今最重要的隐私定义之一

差分隐私模型与操作

• 越来越多人使用差分隐私的机器/深度学习模型
• 已训练并运行多种差分隐私机器学习模型！
• 实践了隐私预算与跟踪等高级概念

其他有趣的库

$$ $$

• Google 的差分隐私
• TensorFlow Privacy
• ARX 数据匿名化工具

恭喜！

Python 中的数据隐私与匿名化