Anonymiser des données continues

Confidentialité des données et anonymisation en Python

Rebeca Gonzalez

Instructor

Variables continues

  • âge
  • taille
  • poids
  • température
  • date et heure
Confidentialité des données et anonymisation en Python

Variables continues

# See the dataset
hr.head()
    Age    BusinessTravel        Department                EducationField    EmployeeNumber
0    41    Travel_Rarely         Sales                     Life Sciences     1
1    49    Travel_Frequently     Research & Development    Life Sciences     2
2    37    Travel_Rarely         Research & Development    Other             4
3    33    Travel_Frequently     Research & Development    Life Sciences     5
4    27    Travel_Rarely         Research & Development    Medical           7
Confidentialité des données et anonymisation en Python

Lois continues

Utiliser la meilleure loi continue pour nos données.

  • Créer un histogramme
  • Essayer des fonctions continues et les ajuster à l'histogramme.
  • Garder celle avec l'erreur la plus faible par rapport à l'histogramme.
Confidentialité des données et anonymisation en Python

Loi continue

Diagramme de la distribution de la variable Age

Confidentialité des données et anonymisation en Python

Appliquer une distribution

import scipy.stats


# Fit the genlogistic distribution to the continuous variable Age params = scipy.stats.genlogistic.fit(hr['Age'])
# See the parameters of the continuous functions print(params)
(4.9899067653418285, 22.32808853181744, 7.046590524738551)
Confidentialité des données et anonymisation en Python

Échantillonner selon la loi continue

# Sample from the genlogistic distribution
df['Age'] = scipy.stats.genlogistic.rvs(size=len(df.index), *params)


# See the resulting dataset df['Age'].head()
     Age          BusinessTravel     Department                EducationField    EmployeeNumber
0    40.767259    Travel_Rarely      Sales                     Life Sciences     1
1    45.730504    Travel_Frequently  Research & Development    Life Sciences     2
2    41.910050    Travel_Rarely      Research & Development    Other             4
3    35.275320    Travel_Frequently  Research & Development    Life Sciences     5
4    40.198134    Travel_Rarely      Research & Development    Medical           7
Confidentialité des données et anonymisation en Python

Échantillonner selon la loi continue

# Round the values to obtain discrete values
df['Age'] = df['Age'].round()
     Age   BusinessTravel     Department                EducationField    EmployeeNumber
0    41    Travel_Rarely      Sales                     Life Sciences     1
1    46    Travel_Frequently  Research & Development    Life Sciences     2
2    42    Travel_Rarely      Research & Development    Other             4
3    35    Travel_Frequently  Research & Development    Life Sciences     5
4    40    Travel_Rarely      Research & Development    Medical           7
Confidentialité des données et anonymisation en Python

Passons à la pratique !

Confidentialité des données et anonymisation en Python

Preparing Video For Download...