Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2505.03529v1

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:2505.03529v1 (cs)
[提交于 2025年5月6日 (此版本) , 最新版本 2025年7月1日 (v2) ]

标题: SKALD:大规模数据集的可扩展K匿名化

标题: SKALD: Scalable K-Anonymisation for Large Datasets

Authors:Kailash Reddy, Novoneel Chakraborty, Amogh Dharmavaram, Anshoo Tandon
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,特别是在处理个人和敏感用户数据时。全球范围内的监管框架推荐诸如k-匿名化等隐私保护协议来去除表格数据发布的身份标识。 可用的硬件资源为每次可以处理的最大数据集规模提供了上限。 超过此上限的大数据集必须拆分成较小的数据块进行处理。 在这种情况下,标准的k-匿名化工具(如ARX)只能逐块操作。 本文提出了一种名为SKALD的新算法,用于在有限RAM的情况下对大规模数据集进行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和组合足够的统计信息,提供多倍于标准k-匿名化方法的性能改进,以确保成功实现k-匿名化并提供更好的实用性。
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.
评论: 7页,3个图,3个表格
主题: 信息论 (cs.IT) ; 密码学与安全 (cs.CR)
引用方式: arXiv:2505.03529 [cs.IT]
  (或者 arXiv:2505.03529v1 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.03529
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Novoneel Chakraborty [查看电子邮件]
[v1] 星期二, 2025 年 5 月 6 日 13:38:53 UTC (776 KB)
[v2] 星期二, 2025 年 7 月 1 日 10:09:57 UTC (759 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.CR
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号