[PETs][Python] 프라이버시보호 모델 만들기

프라이버시 보호 모델을 만족하면서, 높은 유용성을 가지는 모델 만들기

• 각 익명화 기법 별 임계값을 도출하는 모델을 만들고, 그 모델을 특정 데이터셋에 적용하여 결과의 효용성을 보이기
• 모델의 예시로는 ARX가 있음 (임계값을 2배씩 늘려가며 경우의 수를 만들고, 가장 좋은 경우를 채택하는 모델)
• 분석 데이터는 나이, 소득, 가족수, 신용대출여부 컬럼으로 이루어짐

---

🌟 목표 세 가지

1. k-익명성(k=3) 만족
2. 유용성을 충분히 높일 것
3. 최적의 임계값 도출

---

이상치 처리

- 데이터 분류 및 유형별 상하단 코딩

 

🔸파일 불러오기 및 민감정보 설정

 

🔸맞춤 처리를 위한 숫자형 데이터 유형 분류

• 고윳값 개수와 이상치를 기준으로 데이터 유형을 나눔
• 다루지 않는 데이터 유형은 생략함

 

🔸초기 분류 -   ① small 유형

 

🔸이상치 처리 - ② outliers 유형

• outliers 유형 내에서는 데이터 분포 방식에 따라 다르게 처리함

• 이상치 탐지를 확인

 

🔸이상치 처리 -  ① small 유형

• 이상치 처리가 완료됨

 

🔸동적 범주화 -  ③ normal 유형

 

🔸데이터 유형 분류 함수의 흐름 정리

---

범주화

- 정적/동적 범주화

 

🔸정적 범주화 - ① small 유형

 

🔸기타 함수 정리

 

🔸정적 범주화 - ① small 유형 예시

small 유형 중 하나인 '가족 수'의 범주화 예시

 

🔸정적 범주화 - ③ normal 유형

 

 

🔸정적 범주화 - ① 익명성 검사 함수 - 개별 컬럼

 

🔸동적 범주화 - ③ normal 유형

• k=3 보장을 확인함

 

🔸효율성을 만족하기 위한 동적 범주화

 

 

🔸범주화 결정 함수 흐름 정리

---

K-익명성

🔸K-익명성 검사 함수 - 전체 데이터

 

🔸범용성을 고려한 모델 및 모델이 가지는 부가적인 장점

 

🔸모델 결과 정리

---

🌟목표 세 가지 만족 확인