مسعود رحیمی - دانشجوی کارشناسی ارشد نرمافزار، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران
حسین محمدی نژاد - مربی، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران
مهدی باطنی - استادیار، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران

امروزه گردآورندگان اطلاعات به ویژه سازمانهای آماری با دو مسئله متضاد مواجهاند. از یک سو، بنا به وظیفه قانونی و رشد روز افزون تقاضا برای اطلاعات جمعآوری شده، خود را متعهد به انتشار هر چهه گسترده تر و با کفهفتتر اطلاعات به شکل داده های آماری می بفنند و از سوی دیگر با توجه به نگرانی عمومی نسبت به افشا اطلاعات شخصی و ویفهه قانونی این سازمانها برای مراقبت از اطلاعات خصوصی پاسخگویان، باید این تضمین را بدهند که ضمن ارائه بفشترین اطلاعات به جامعه، حریم شخصی پاسخگویان در حد معقول حفظ شود این مسئله زمانی حادتر می شود که مجموعه دادههای منتشره توسط متدههای داده کاوی ، در برابر حملات افشا صفت و هویت قرار می گفرند و با دانش استخراجی حریم خصوصی پاسخگویان نقض می شود . بدین منظور برای حل این مسائل و مدیریت دانش استخراج شده در متد های داده کاوی، رویکرد هایی تحت عنوان گمنامسازی دادهها مطرح شد. از جملهه آنها می توان به مدل های anonymity-sensitive k-p ، -+psensitive k-anonymity و (p, α)-sensitive k-anonymity اشاره کرد. این رویکردها ایجاد حداقل P مقدار مجزا را برای هر ویژگی حساس در رکوردهای منتشره هر گروه از شبهشناسهها تضمین می کنند.

حفظ حریم شخصی، داده کاوی، K-Anonymity ، دادههای خرد