K<\/em>-anonimiteit is een methode die voor het eerst ge\u00efntroduceerd werd in het onderzoek van Latanya Sweeney in 1998 [1].\u00a0K<\/em>-anonimiteit is een methode die als doel heeft om de identificatie van een persoon aan de hand van een unieke combinatie van indirect identificeerbare gegevens tegen te gaan. Hierbij wordt er uit gegaan dat elke unieke combinatie minimaal\u00a0k<\/em>\u00a0keer voor moet komen in de betreffende dataset.\u00a0K<\/em>-anonimiteit is in die zin een voorbeeld van generaliseren. Indien er altijd minimaal\u00a0k<\/em>\u00a0personen zijn die dezelfde kenmerken delen is het niet meer mogelijk om \u00e9\u00e9n persoon uit die groep te identificeren.<\/p>\n\n\n\n Bij het anonimiseren van een dataset gebruiken we\u00a0k<\/em>-anonimiteit vaak om het geanonimiseerde resultaat te toetsen op re-identificatie van personen. Hierbij zorgen we ervoor dat het anonimiseren op zo\u2019n manier wordt ingericht dat de gewenste\u00a0k<\/em>\u00a0waarde bereikt wordt. Neem bijvoorbeeld de onderstaande \u2013 niet-geanonimiseerde \u2013 tabel.<\/p>\n\n\n\n Om deze tabel met een minimale\u00a0k<\/em>\u00a0waarde van 2 te anonimiseren zouden we als eerste ervoor kunnen kiezen om de geboortedatums aan te passen van een exacte datum naar het geboortejaar. Dit zorgt al voor een verbetering zoals in de onderstaande tabel te zien is waarbij de kleuren de groepering op geboortejaar laten zien.<\/p>\n\n\n\n Echter, het resultaat van deze eerste anonimisering voldoet nog niet aan een\u00a0k<\/em>-anonimiteit waarbij\u00a0k<\/em>\u00a02 is. Zo is er slechts \u00e9\u00e9n personen geboren in\u00a061<\/strong>\u00a0en heeft deze ook nog een postcode die slechts \u00e9\u00e9n keer voorkomt in de tabel. We zouden dit op kunnen lossen door een andere anonimisering uit te voeren. Bijvoorbeeld door de geboortejaren te groeperen in groepen van 5 jaren (61-65) en de postcode minder nauwkeurig te maken door alleen de eerste twee getallen (welke de regio aangeven) terug te laten komen. Het resultaat is onderstaande geanonimiseerde tabel:<\/p>\n\n\n\n Door deze laatste anonimisering ontstaat er een dataset waarbij \u00e9\u00e9n uniek persoon niet meer ge\u00efdentificeerd kan worden aan de hand van de beschikbare kenmerken en voldoen we aan de gewenste k<\/em> waarde (we halen zelfs een k <\/em>waarde van 4 aangezien elke unieke combinatie minimaal vier keer voorkomt in de tabel).<\/p>\n\n\n\n Hoewel deze voorbeelden een simpele toepassing van k<\/em>-anonimiteit laten zien wordt het behalen van k<\/em>-anonimiteit snel moeilijker op het moment dat er sprake is van meer attributen en meer unieke combinaties. Daarnaast speelt het doel waarvoor de data wordt gebruikt ook een grote rol. Stel dat je bijvoorbeeld onderzoek wilt uitvoeren waarvoor het exacte geboortejaar van belang is dan wordt het bereiken van een k<\/em> waarde van 2 zelfs in deze voorbeelden moeilijk.<\/p>\n\n\n\n Toch zijn er in die situaties nog mogelijkheden te bedenken die het gewenste resultaat geven. Zo zou je er voor kunnen kiezen om de unieke rij uit te tabel te verwijderen of om het geboortejaar van de unieke rij aan te passen naar de gemiddelde waarde wat het onderstaande resultaat geeft. Hierbij wordt de gewenste minimale\u00a0k<\/em>\u00a0waarde van 2 bereikt.<\/p>\n\n\n\n K<\/em>-anonimiteit is een krachtige methode om de kwaliteit van anonimisering en de kans op re-identificatie te toetsen. Er komt echter veel bij kijken om een k<\/em> waarde van minimaal 2 te bereiken. Hierbij is het van groot belang om het doel waarvoor de data gebruikt wordt scherp in het oog te houden. De balans tussen anonieme en bruikbare data speelt een grote rol hierbij.<\/p>\n\n\n\n [1]<\/a> https:\/\/dataprivacylab.org\/dataprivacy\/projects\/kanonymity\/paper3.pdf<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" K-anonimiteit is een krachtige methode om de kwaliteit van anonimiseren en de kans op re-identificatie te toetsen. In dit artikel gaan we dieper in op wat k-anonimiteit precies is en hoe het toegepast kan worden.<\/p>\n","protected":false},"author":1,"featured_media":2090,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[18],"tags":[21,34],"class_list":["post-2077","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog-nl","tag-anonimiseren-nl","tag-k-anonimiteit"],"yoast_head":"\n![\"\"](\"https:\/\/www.privinity.com\/wp-content\/uploads\/2024\/01\/k_anon_01.png\")
<\/figure>\n<\/div>\n\n\n![\"\"](\"https:\/\/www.privinity.com\/wp-content\/uploads\/2024\/01\/k_anon_02.png\")
<\/figure>\n<\/div>\n\n\n![\"\"](\"https:\/\/www.privinity.com\/wp-content\/uploads\/2024\/01\/k_anon_03.png\")
<\/figure>\n<\/div>\n\n\n![\"\"](\"https:\/\/www.privinity.com\/wp-content\/uploads\/2024\/01\/k_anon_04.png\")
<\/figure>\n<\/div>\n\n\n