Аналіз ефективності та вразливостей методів забезпечення приватності на прикладі к-анонімізації, l-диференціації та t-подібності

Abstract

Здійснено аналіз і порівняння методів анонімізації персональних даних на прикладі k-анонімізації, ℓ-диференціації та t-близькості. Мета - оцінка ефективності цих методів щодо захисту конфіденційності та виявлення їхніх вразливостей до атак повторної іден- тифікації. Дослідження виконано за допомогою інструменту ARX Anonymization Tool на тестовому наборі даних про дохід осіб.Проаналізовано вплив зміни ключових параметрів методів на ступінь приватності й інформативність анонімізованих даних. Встановлено, що найефективнішим для захисту конфіденційності є метод t-близькості, однак його застосування призводить до суттєвого зниження деталізації інформації. Водночас метод k-анонімізації, хоча і менш стійкий до атак, забезпечує кращу практичну цінність анонімізованих даних. Метод ℓ-диференціації демонструє помірну ефективність як за показниками приватності, так і за інформатив- ністю. Дослідження дало змогу кількісно визначити баланс між конфіденційністю та корисністю даних, що сприяє більш усвідомленому вибору оптимальних параметрів ано- німізації залежно від конкретних завдань.

The article analyzes and compares personal data anonymization methods using k-anonymity, ℓ-diversity, and t-closeness as examples. The aim of the research is to evaluate the effectiveness of these methods in ensuring data privacy and identifying their vulnerabilities to re-identification attacks. The study was performed using the ARX Anonymization Tool on a test dataset containing personal income information.The authors analyzed the impact of changes in key parameters of anonymization methods on data privacy and informativeness. It was determined that the t-closeness method provides the highest effectiveness in terms of protecting confidentiality, although its application significantly reduces the granularity of information. At the same time, the k-anonymity method, despite being less resistant to attacks, provides better practical utility of anonymized data. The ℓ-diversity method demonstrates moderate effectiveness in terms of both privacy protection and informativeness. This research allowed quantitative assessment of the balance between data confidentiality and utility, facilitating a more informed choice of optimal anonymization parameters depending on specific tasks.