如何选择合适的$k$来实现数据的$k$-匿名？

Question

如何选择适当的k来实现数据的k#qcStackCode#-anonymity？有哪些方法与问题的业务上下文无关？

Answer 1

在大多数情况下，k产生于数据的数量和性质，加上使用的trhe 匿名方法。除了通过这些选项隐式地控制k之外，很少有对这些选项的显式控制。

把k看作一个分数而不是一个参数。

例如，有些记录的k-anonymity可能高于其他记录。那么平均k数，甚至最小值。

如果匿名性是一个要求，那么k的最高可能值就是所需要的。由于每个记录都只有k-1相似的记录，所以可以使用方法彻底地查找匿名信息，因此需要尽可能高的k来减缓这个过程，使其实际上不可能实现。

当然，当所有数据列都是匿名的时候，就可以获得最大的k，但是这会产生无用的数据，因此在有用数据和最大匿名性之间的权衡会产生一系列要实现的k值(这取决于数据的实际性质和数量)。