标题： SKALD：适用于大型数据集的可扩展K-匿名化 显示英文标题

标题： SKALD: Scalable K-Anonymisation for Large Datasets

摘要： 数据隐私和匿名化是当今数据驱动社会中的关键问题，尤其是在处理个人和敏感用户数据时。 全球的监管框架建议使用隐私保护协议，如k-匿名化，以对表格数据的发布进行去标识化。 可用的硬件资源为一次可以处理的数据集的最大大小提供了上限。 超过此上限的大数据集必须被拆分为较小的数据块进行处理。 在这些情况下，标准的k-匿名化工具如ARX只能按每个数据块进行操作。 本文提出了SKALD，一种新颖的算法，用于在有限RAM的大数据集上执行k-匿名化。 我们的SKALD算法通过在处理过程中从每个数据块中提取并组合足够的统计信息，以确保成功的k-匿名化，同时提供更好的实用性，从而在标准的k-匿名化方法上实现了多倍的性能提升。 显示英文摘要

摘要： Data privacy and anonymisation are critical concerns in today's data-driven society, particularly when handling personal and sensitive user data. Regulatory frameworks worldwide recommend privacy-preserving protocols such as k-anonymisation to de-identify releases of tabular data. Available hardware resources provide an upper bound on the maximum size of dataset that can be processed at a time. Large datasets with sizes exceeding this upper bound must be broken up into smaller data chunks for processing. In these cases, standard k-anonymisation tools such as ARX can only operate on a per-chunk basis. This paper proposes SKALD, a novel algorithm for performing k-anonymisation on large datasets with limited RAM. Our SKALD algorithm offers multi-fold performance improvement over standard k-anonymisation methods by extracting and combining sufficient statistics from each chunk during processing to ensure successful k-anonymisation while providing better utility.