- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI SPPECH
018_具身人工智能的伦理与社会影响：从人机关系到全球治理的多维思考
_apply_anonymization(raw_data, permissions["anonymization_level ": permissions["anonymization_level"], "timestamp": datetime.now().isoformat() }) _high_level_anonymization(data) elif level == "medium": return self. _medium_level_anonymization(data) else: # low return self. _low_level_anonymization(data) def _high_level_anonymization(self, data): """高级别匿名化处理
52410编辑于 2025-11-19 - 来自专栏绿盟科技研究通讯
数据匿名化：隐私合规下，企业打开数据主动权的正确方式？
数据控制者/发布者收集个体(Individuals) 的个人信息，将这些数据通过匿名化处理(Data Anonymization) 后得到匿名化数据集，发送给第三方共享或者对外公开。 3.1开源项目 基于数据匿名技术的工具化实现主要集中在欧美高校和研究结构，有4个著名的开源项目：ARX、UTD Anonymization Toolbox、Cornell Anonymization 表1数据匿名的相关开源项目 ARX UTD Anonymization Toolbox Cornell Anonymization Toolkit Amnesia 开发者机构 慕尼黑工业大学·德国 得克萨斯大学达拉斯分校 arx-deidentifier/arx http://cs.utdallas.edu/dspl/cgi-bin/toolbox https://github.com/wanghaisheng/Cornell-Anonymization-Toolkit
3.8K20发布于 2020-10-27 - 来自专栏绿盟科技研究通讯
鱼和熊掌兼得——隐私保护与价值挖掘之利器
二、匿名化 匿名化技术（Anonymization）可以实现个人信息记录的匿名，理想情况下无法识别到具体的“自然人”。 技术原理 为了满足以上需求，一般使用匿名化技术(Anonymization)。在学术研究上，最早由美国学者Sweeney提出，设计了K匿名化模型(K-Anonymity)[1]。 概念辨析 需辨别的是，匿名化(Anonymization)、假名化(Pseudonymization)、去标识化(De-identification)三个概念有些联系，但不尽相同，却常常被混为一谈。 3.匿名化(Anonymization)：通过匿名化处理，攻击者无法实现“重识别”数据库的某一条个人信息记录对应的人，即切断“自然人”身份属性与隐私属性的关联。
1.6K10发布于 2019-12-11 - 来自专栏绿盟科技研究通讯
数据淘金热时代下的隐私问题何去何从——探讨国内外法规下的匿名化概念
另一方面，由于匿名化 (Anonymization) 可实现“经过处理无法识别特定个人且不能复原”，这个概念逐步被各个国家的相关立法机构所接受、所采纳。 一、国内外的匿名化相关概念定义 匿名化 (Anonymization) 相关概念 (如匿名信息 (Anonymous information)、 匿名处理信息(Anonymously processed 解读：上述《网络安全法》的“经过处理无法识别特定个人且不能复原的”描述和“匿名化”(Anonymization)、“去标识化”(De-identification) 的描述，但并未明确对应两者中的哪一个 二、匿名化相近概念及辨析 在国内外的数据安全技术标准中，除了匿名化 (Anonymization) 和去标识化(De-identification) 概念外，我们可以看到其他两个较为相近的概念，假名化 1国内标准 《个人信息安全规范》： 匿名化 (Anonymization)：通过对个人信息的技术处理，使得个人信息主体无法被识别，且处理后的信息不能被复原的过程。
1.4K20发布于 2019-12-11 - 来自专栏绿盟科技研究通讯
大数据下的隐私攻防02：身份证号+手机号如何脱敏才有效？
简单地说，它同样可以看成是一场攻防的游戏：防方（企业）广泛应用各种脱敏技术手段（泛化、屏蔽、加噪等）对个人隐私数据进行脱敏，即实现身份的匿名化（Anonymization）、去标识化（De-identification ）；而攻方（黑客）利益驱动，通过收集的用户身份数据库（网络攻击的拖库、黑灰产大数据），对脱敏数据集进行身份复原，即实现身份的去匿名化（De-anonymization）、重识别（Re-identification 一正一反，一攻一防，相互博弈：Anonymization⇌De-anonymization、De-identification⇌Re-identification。
21.8K33发布于 2020-06-01 - 来自专栏FreeSWITCH中文社区
数据脱敏
数据脱敏（Data Desensitization），也称为数据匿名化（Data Anonymization）或数据保护，一种通过处理敏感信息以保护用户隐私的技术。
1.5K10编辑于 2024-05-11 - 来自专栏机器学习与推荐算法
RSPapers | 基于隐私保护的推荐系统论文合集
Robust De-anonymization of Large Sparse Datasets. S&P, 2008. Udi et al.
1.1K20发布于 2021-03-16 - 来自专栏速入大数据
大数据时代，法律该咋护住咱的隐私？
比如：匿名化（Anonymization）把数据去掉敏感信息，比如手机号只留后四位。差分隐私（Differential Privacy）在统计结果里加点“噪声”，既能保证整体规律，又不泄露个人。
19510编辑于 2025-09-30 - 来自专栏AI科技评论
对抗人脸识别的一个新方法：隐藏身份、随机换脸
隐藏身份的「换脸」 近日又出现了一篇新的论文，来自挪威科技大学的《DeepPrivacy: A Generative Adversarial Network for Face Anonymization
2.5K41发布于 2019-09-17 - 来自专栏机器学习AI算法工程
GBDT、FM、FFM和DNN融合构建广告点击率预测模型
The values of these features have been hashed onto 32 bits for anonymization purposes.
2.4K10发布于 2019-10-28 - 来自专栏arXiv每日学术速递
自然语言处理学术速递[7.16]
pipelines and novel evaluation methods. 【2】 Improving Security in McAdams Coefficient-Based Speaker Anonymization 摘要：Speaker anonymization aims to suppress speaker individuality to protect privacy in speech while preserving One effective solution for anonymization is to modify the McAdams coefficient. In this work, we propose a method to improve the security for speaker anonymization based on the McAdams It also significantly improved the anonymization performance in comparison to the secondary baseline
81860发布于 2021-07-27 - 来自专栏互联网数据官iCDO
大数据时代，用户的隐私如何守护
下面这个表就是 2-anonymization 过的信息： ? k-anonymity的方法主要有两种，一种是删除对应的数据列，用星号（*）代替。 普渡大学的Ninghui Li教授在 Provably PrivateData Anonymization: Or, k-Anonymity Meets Differential Privacy 文章中详细分析了 static.googleusercontent.com/media/research.google.com/en/us/pubs/archive/42852.pdf - Provably Private Data Anonymization
3.3K70发布于 2018-03-05 - 来自专栏MCP
MCP（Model Context Protocol）全球化部署：智能 DNS 流量调度
class PrivacyManager: def __init__(self): self.user_consents = {} # 存储用户同意状态 self.anonymization_rules anonymized = {} for key, value in data.items(): # 检查是否需要匿名化 if key in self.anonymization_rules : anonymized[key] = self.anonymization_rules[key](value) else: self.check_consent(user_id, 'data_collection'): # 用户不同意数据收集，进一步匿名化处理 anonymized = self.further_anonymization """匿名化用户 ID""" # 简单哈希（实际应用中应使用更安全的不可逆哈希） return hash(user_id) % 2**32 def further_anonymization
70211编辑于 2025-05-15 - 来自专栏媒矿工厂
ICCV 2023 | IDeudemon：基于神经辐射场和生成性先验的人脸图像身份隐私保护
Deepprivacy: A generative adversarial network for face anonymization[C]//International Symposium on Visual CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks[C]//Proceedings of the IEEE Password-conditioned anonymization and deanonymization with face identity transformers[C]//Computer Vision–ECCV
89520编辑于 2023-09-09 - 来自专栏专知
【论文推荐】最新七篇推荐系统相关论文—正则化奇异值、用户视角、CTR预测、Top-k、人机交互、隐反馈
Users disagreed with sharing data for commercial purposes regarding mental illnesses and with high de-anonymization
90120发布于 2018-06-05 - 来自专栏challenge filter
比特币，基于交易图网络数据分析的去匿名性问题论文阅读
其他一些情况也使用了这种方法，在Data-driven de-anonymization in bitcoin中，使用了两种启发式方法来进行去匿名化，召回率69.3%，并研究了多种启发式方法结合的情况，
79731编辑于 2022-06-17 - 来自专栏机器人网
常见的大数据术语表（中英对照简版）
除了“Anomalies”,用来表示异常的词有以下几种：outliers, exceptions, surprises, contaminants.他们通常可提供关键的可执行信息 匿名化(Anonymization – 数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等 去身份识别(De-identification) – 也称为匿名化(anonymization
2K70发布于 2018-04-12 - 来自专栏机器之心
IJCAI 2019 | 第四范式等机构提出隐私保护新算法，医疗敏感数据也能合理学
传统的做法是对数据的敏感列作匿名化 (anonymization)。但是这样并不能完全保护数据隐私，攻击者可以通过查表等方法反推原数据。
99430发布于 2019-07-12 - 来自专栏AI SPPECH
155_法律应用：合同审查与案例分析 - 隐私合规视角下的LLM提示工程创新方法与最佳实践
self.tokenizer = LegalTextTokenizer() def anonymize_document(self, document_text, anonymization_level standard"): """匿名化法律文档 Args: document_text: 原始文档文本 anonymization_level _get_redaction_rules(anonymization_level) # 3.
38610编辑于 2025-11-16 - 来自专栏机器学习与生成对抗网络
2020年9月70篇GAN/对抗论文汇总
Variational Autoencoders for Jet Simulation https://arxiv.org/pdf/2009.04842.pdf 058 (2020-09-16) Anonymization
62310发布于 2020-10-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号