泛化技术： K-Anonymity（K-匿名化）

泛化技术： K-Anonymity（K-匿名化）

K-Anonymity 的目的是保证公开的数据中包含的个人信息至少 k-1 条不能通过其他个人信息确定出来。也就是公开数据中的任意 Quasi-identifier信息，相同的组合都需要出现至少 k 次。

用户标志假名并不能完全做到匿名化，假名化后的用户标识SUID与原用户标识UID保留了1对1映射关系，仍然可以通过链接攻击、彩虹表攻击等方式还原个体。
用户标识假名技术过程：

删除用户标识，并将AGE、ZIPCODE属性值进行K-匿名（例如K=5）处理，保证每个属性值相同的组（等价类）中至少包含K个记录，从而将链接攻击风险下降为1/K。
K-匿名处理过程：

K-匿名化的优势和风险

假设所有用户的偏好都是购买电子产品，那么 k-anonymity 也无法保证隐私没有泄露。
未排序匹配攻击 (unsorted matching attack) ：当公开的数据记录和原始记录的顺序一样的时候，攻击者可以猜出匿名化的记录是属于谁。例如如果攻击者知道在数据中小明是排在小白前面，那么他就可以确认，小明的购买偏好是电子产品，小白是家用电器。解决方法也很简单，在公开数据之前先打乱原始数据的顺序就可以避免这类的攻击。
补充数据攻击 (complementary release attack) ：假如公开的数据有多种类型，如果它们的 k-anonymity 方法不同，那么攻击者可以通过关联多种数据推测用户信息。