El k-anonimato (, también traducido literalmente como k-anonimidad) es una propiedad característica de los datos anonimizados. Este término fue introducido por primera vez en 1998 por Pierangela Samarati y Latanya Sweeney. El objeto de esta técnica es resolver el problema: "Dados unos datos estructurados con campos específicos personales, como poder asegurar con garantía científica, que en una nueva versión modificada de estos datos no se puedan reidentificar los individuos a los que se refieren, a la vez que los datos sigan siendo útiles en la práctica."L. Sweeney. k-anonymity: a model for protecting privacy. Se dice que un conjunto de datos publicados tiene la propiedad de k-anonimato (o es k-anónimo) si la información de todas y cada una de las personas contenidas en ese conjunto es idéntica al menos con otras k-1 personas que también aparecen en dicho conjunto.
Existen varios procedimientos para generar datos anonimizados con k-anonimato que han sido patentados en los Estados Unidos (Patente 7,269,578).
Métodos para la k-anonimización En el contexto de la k-anonimización, una base de datos es una tabla con n filas y m columnas. Cada fila de la tabla representa un registro relacionando con un miembro concreto de una población. Los valores en las columnas corresponden a los atributos que se asocian con los miembros de la población. La tabla siguiente es una base de datos no anonimizada que incluye los registros de pacientes de un hospital ficticio en Cochin.
Nombre Edad Género Estado de residencia Religión Enfermedad Ramsha 29 Mujer Tamil Nadu Hindu Cáncer Yadu 24MujerKerala HinduInfección Viral Salima 28 Mujer Tamil Nadu Musulmán Tuberculosis Sunny 27 Varón Karnataka Parsi Ninguna enfermedad Joan 24 Mujer Kerala CristianoCardiológicaBahuksana 23 Varón Karnataka Budista Tuberculosis Rambha 19 Varón Kerala Hindu Cáncer Kishor 29 Varón Karnataka HinduCardiológicaJohnson 17 Varón Kerala CristianoCardiológicaJohn 19 Varón Kerala Cristiano Infección Viral
Hay 6 atributos y 10 registros en estos datos. Hay dos métodos comunes para obtener k-anonimato para un cierto valor deseado de k. Supresión: En este método, algunos valores de los atributos son reemplazados por un asterisco '*'. Todos o algunos de los valores de una columna pueden ser reemplazados por '*'. En la tabla anonimizada inferior, todos los valores en el atributo 'Nombre' y en el atributo 'religión' han sido reemplazado por un '*'. Generalización: En este método, los valores individuales de atributos son reemplazados por una categoría más amplia. Por ejemplo, el valor '19' del atributo 'Edad' puede ser reemplazado por ' ≤ 20', el valor '23' por '20 < Edad ≤ 30' , etc. La siguiente tabla muestra la base de datos anonimizada.
Nombre Edad Género Estado de residencia Religión Enfermedad * 20 < Edad ≤ 30 Mujer Tamil Nadu * Cáncer * 20 < Edad ≤ 30 Mujer Kerala * Infección Viral * 20 < Edad ≤ 30 Mujer Tamil Nadu * Tuberculosis* 20 < Edad ≤ 30 Varón Karnataka * Ninguna enfermedad * 20 < Edad ≤ 30 Mujer Kerala *Cardiológica* 20 < Edad ≤ 30 Varón Karnataka * Tuberculosis * Edad ≤ 20 Varón Kerala * Cáncer * 20 < Edad ≤ 30 Varón Karnataka *Cardiológica* Edad ≤ 20 Varón Kerala *Cardiológica* Edad ≤ 20 Varón Kerala * Infección Viral
Estos datos son 2-anónimos respecto a los atributos 'Edad', 'Género' y 'Estado de residencia', ya que para cualquier combinación de estos atributos encontrados en cualquier fila de la tabla existen al menos 2 filas con idénticos atributos. Los atributos disponibles para un adversario se denominan cuasiidentificadores. Cada tupla cuasiidentificadora se presenta en al menos k registros para un conjunto de datos con k-anonimato.
Meyerson y Williams (2004) demostraron que el k-anonimato es un problema NP-completo; no obstante con métodos heurísticos como el de k-optimización propuesto por Bayardo y Agrawal (2005) a menudo se obtienen resultados eficaces.
Advertencias Ya que la k-anonimización no incluye aleatorización, los atacantes pueden realizar inferencias sobre los datos que podrían perjudicar a un individuo. Por ejemplo, si sabemos que John de 19 años de Kerala está en la base de datos anterior, podemos inferir que o padece cáncer, o enfermedad cardiológica o una infección viral.
La k-anonimidad protege contra revelaciones de identidad, no resguarda contra la divulgación de atributos específicos. Esto se vuelve problemático cuando los atacantes poseen conocimientos previos. Además, la falta de diversidad en campos sensibles puede llevar a la exposición de información personal. En tales escenarios, optar por la L-diversidad podría ofrecer una protección de privacidad más sólida P. Goswami and S. Madan, "Privacy preserving data publishing and data anonymization approaches: A review," 2017 International Conference on Computing, Communication and Automation (ICCCA), Greater Noida, India, 2017, pp. 139-142, doi: 10.1109/CCAA.2017.8229787. keywords: {Data privacy;Privacy;Publishing;Algorithm design and analysis;Automation;Organizations;Syntactics;Data Anonymization;Privacy preservation;Top-down Specialization}, . La k-anonimización no es un buen método para anonimizar un conjunto de datos de muchas dimensiones. Referencias
Categoría:Anonimato Categoría:Privacidad