t-接近度.

Li、Li 与 Venkatasubramanian 提出的隐私模型,要求每个等价类中敏感属性的分布与全局分布的差距不超过阈值 t,以增强 l-多样性。 它属于网络安全的 隐私与数据保护 分类。

Li、Li 与 Venkatasubramanian 提出的隐私模型,要求每个等价类中敏感属性的分布与全局分布的差距不超过阈值 t,以增强 l-多样性。

2007 年提出的 t-接近度,针对 l-多样性面对偏斜与相似性攻击时的不足,要求每个等价类中敏感属性的分布与整体数据集中该属性的分布之间的距离不超过阈值 t,通常采用 Earth Mover's Distance 衡量。这样可以避免当某个等价类被语义相近但不同的取值主导(如多种罕见癌症)时,攻击者推断出敏感值。降低 t 通常会损失更多数据效用,需要更高程度的泛化或压制,因此 t 的取值需在风险与效用之间权衡。t-接近度常与 k-匿名性、l-多样性叠加应用于医疗、政府与研究数据发布。

针对 t-接近度 的防御通常结合技术控制与运营实践,详见上方完整定义。

常见的别称包括: t-接近度匿名化。