以人为本的交互式匿名化以保护隐私的机器学习-人类引导的 K-匿名性案例-计算机科学-隐私保护-机器学习.pdfVIP

以人为本的交互式匿名化以保护隐私的机器学习：人类引导的

K-匿名性案例

SriHarshaGajavalli

SchoolofCoumputingandAugmentedIntelligence

ArizonaStateUniversity

Tempe,AZ85281

gsh@

本2025年7月9日

译

中ABSTRACT

1

v隐私保护的机器学习（ML）旨在平衡数据效用和隐私，特别是在GDPR等法规要求为ML

4

0应用程序匿名化个人数据的情况下。传统的匿名化方法往往由于不加区别的泛化或抑制数据

1属性而降低数据效用。在这项研究中，我们提出了一种交互式方法，将人类输入纳入k-匿名

4

0化过程中，使领域专家能够根据上下文的重要性指导属性保存。使用UCI成人数据集，我们

7.将互动人影响的匿名化的分类结果与传统完全自动的方法进行了比较。我们的结果显示，在

0某些情况下，人类输入可以增强数据效用，尽管结果因任务和设置的不同而有所差异。我们

5讨论了我们方法的局限性，并建议可能改进隐私感知ML中的交互框架的领域。

2

:

v

i

x1介绍与理由

r

a

在当今以数据为中心的世界中，各个领域的发展高度依赖于从数据中提取见解，包括从不同来源挖掘信息和

分析个人数据。后者在促进商业智能和提供定制服务方面发挥着关键作用，这些服务在当代社会需求量很大。

然而，实现这些目标通常需要共享、链接以及系统化处理来自多种来源的个人数据，这引入了显著的数据暴

露风险。这些风险可能从轻微不便，如泄露社交媒体资料，到严重后果，比如无意中将敏感健康数据披露给

未经授权的第三方。

为应对这些挑战，世界各国政府正在考虑或已经实施了立法来规范个人数据管理。一个显著的例子是《通用

数据保护条例》（GDPR），自2018年6月1日起生效，该条例赋予个人被遗忘权的权利。这一规定要求组织

在收到请求时删除个人的个人数据，除非这些数据在分析前已被匿名化。这一指令引起了对隐私保护机器学

习（PaML）的关注，这涉及仅将机器学习技术应用于已匿名化的数据集。可以通过引入噪声等方法扰动数据

（例如差分隐私[1]），或将数据分组到等价类中（k-匿名性[2]）来实现匿名化，后者在业界得到了广泛采用。

初始框架k-匿名性已经通过诸如l-多样性[3]的改进得到了完善，这确保了每个组都包含敏感值的最小多样

性；t-接近性[4]，限制局部和全局敏感值分布之间的差异；以及-存在性[5]，考虑到了对手的背景知识。

虽然这些进步提供了有趣的视角，但对于本研究——专注于对比交互式机器学习算法与自动化方法——我们

将探索范围限制在了k-匿名性。

APREPRINT-2025年7月9日

在此前的工作[6,7]基础上，该研究探讨了部分修改的数据集与完全匿名化的数据集在二元分类准确性方面

的差异，并提出使用交互式机器学习作为一种新型的（-）匿名化方法。

2k-匿名性

数据集的匿名化是现代数据隐私的重要基石，特别是因为数据集中通常包含可能揭示敏感或可识别信息的属

性。这些属性通常分为三个不同的类别：

•直接标识符是唯一标识个人的数据字段，无需任何额外的上下文或交叉引用。示例包括电子邮件地

址、