ANJANA

匿名性作为个人数据隐私的主要保障

ANJANA是一个用于匿名化敏感数据的Python库。

以下匿名技术已实现，基于Python库 pyCANON

• k-匿名性.
• (α,k)-匿名性.
• ℓ-多样性.
• 熵ℓ-多样性.
• 递归(c,ℓ)-多样性.
• t-接近度.
• 基本β相似度.
• 增强β相似度.
• δ泄露隐私.

安装

首先，我们强烈建议使用虚拟环境。在linux

virtualenv .venv -p python3
source .venv/bin/activate

使用 pip:

安装anjana（linux和windows）

pip install anjana

使用git:

安装anjana的最新版本（适用于Linux和Windows）

pip install git+https://github.com/IFCA-Advanced-Computing/anjana.git

入门指南

为了匿名化您的数据，您需要引入

• 要匿名化的数据的pandas dataframe。每个列可以包含：标识符、准标识符或敏感属性。
• dataframe中标识符的名称列表，以便将其抑制。
• dataframe中准标识符的名称列表。
• 在应用除k-匿名以外的其他技术时，所需的敏感属性（仅一个）。
• 要应用的匿名化程度，例如k（用于k-匿名），ℓ（用于ℓ-多样性），t（用于t-接近性），β（用于基本或增强β相似性）等。
• 允许的最大记录抑制程度（从0到100，作为被抑制记录的百分比）。
• 包含每个准标识符的层次结构和级别的字典。

示例：将k-匿名、ℓ-多样性和t-接近性应用于adult数据集，并应用一些预定义的层次结构

import pandas as pd
import anjana
from anjana.anonymity import k_anonymity, l_diversity, t_closeness

# Read and process the data
data = pd.read_csv("adult.csv") 
data.columns = data.columns.str.strip()
cols = [
    "workclass",
    "education",
    "marital-status",
    "occupation",
    "sex",
    "native-country",
]
for col in cols:
    data[col] = data[col].str.strip()

# Define the identifiers, quasi-identifiers and the sensitive attribute
quasi_ident = [
    "age",
    "education",
    "marital-status",
    "occupation",
    "sex",
    "native-country",
]
ident = ["race"]
sens_att = "salary-class"

# Select the desired level of k, l and t
k = 10
l_div = 2
t = 0.5

# Select the suppression limit allowed
supp_level = 50

# Import the hierarquies for each quasi-identifier. Define a dictionary containing them
hierarchies = {
    "age": dict(pd.read_csv("hierarchies/age.csv", header=None)),
    "education": dict(pd.read_csv("hierarchies/education.csv", header=None)),
    "marital-status": dict(pd.read_csv("hierarchies/marital.csv", header=None)),
    "occupation": dict(pd.read_csv("hierarchies/occupation.csv", header=None)),
    "sex": dict(pd.read_csv("hierarchies/sex.csv", header=None)),
    "native-country": dict(pd.read_csv("hierarchies/country.csv", header=None)),
}

# Apply the three functions: k-anonymity, l-diversity and t-closeness
data_anon = k_anonymity(data, ident, quasi_ident, k, supp_level, hierarchies)
data_anon = l_diversity(
    data_anon, ident, quasi_ident, sens_att, k, l_div, supp_level, hierarchies
)
data_anon = t_closeness(
    data_anon, ident, quasi_ident, sens_att, k, t, supp_level, hierarchies
)

对于原始数据集超过30,000条记录，之前的代码可以在不到4秒内执行。

定义您自己的层次结构

ANJANA中可用的所有匿名化函数都接收一个字典，用于对准标识符应用要应用的层次结构。特别是，此字典以应用层次结构的列名称（QI）为键（可能发生您不希望泛化某些QI，因此不需要对它们应用层次结构，只需不要将它们包含在此字典中）。每个键（QI）的值由一个字典组成，其中值为0时对应于原始列（正如它在原始数据集中那样），值为1对应于要应用的第一级转换，与原始列的值相关，依此类推，具有与已建立的层次结构级别一样多的键。

为了更好地理解，让我们看一下以下示例。假设我们有一个以下模拟数据集（从hospital_extended.csv数据集提取，用于测试目的），其中age、gender和city作为准标识符，name作为标识符，disease作为敏感属性。关于QI，我们想应用以下层次结构：将age的5年（第一级）和10年（第二级）区间。

然后，为了创建层次结构，我们可以定义以下字典

import numpy as np

age = data['age'].values
# Values: [29 24 28 27 24 23 19 29 17 19] (note that the following can be automatized)
age_5years = ['[25, 30)', '[20, 25)', '[25, 30)',
              '[25, 30)', '[20, 25)', '[20, 25)',
              '[15, 20)', '[25, 30)', '[15, 20)', '[15, 20)']

age_10years = ['[20, 30)', '[20, 30)', '[20, 30)',
               '[20, 30)', '[20, 30)', '[20, 30)',
               '[10, 20)', '[20, 30)', '[10, 20)', '[10, 20)']

hierarchies = {
    "age": {0: age,
            1: age_5years,
            2: age_10years},
    "gender": {
        0: data["gender"].values,
        1: np.array(["*"] * len(data["gender"].values)) # Suppression
    },
    "city": {0: data["city"].values,
             1: np.array(["*"] * len(data["city"].values))} # Suppression
}

您还可以使用来自utils的函数generate_intervals()创建基于区间的层次结构，如下所示

import numpy as np
from anjana.anonymity import utils

age = data['age'].values

hierarchies = {
    "age": {
        0: data["age"].values,
        1: utils.generate_intervals(data["age"].values, 0, 100, 5),
        2: utils.generate_intervals(data["age"].values, 0, 100, 10),
    },
    "gender": {
        0: data["gender"].values,
        1: np.array(["*"] * len(data["gender"].values)) # Suppression
    },
    "city": {0: data["city"].values,
             1: np.array(["*"] * len(data["city"].values))} # Suppression
}

许可协议

本项目采用Apache 2.0许可证。

项目状态

本项目正在积极开发中。

资金和致谢

本工作由欧盟通过SIESTA项目（Horizon Europe）资助，项目编号101131957。

注意：Anjana和坎塔布里亚的神话

"La Anjana" 是坎塔布里亚神话中的人物。被称为坎塔布里亚的好仙女，慷慨并保护所有人，她帮助穷人、受苦的人和在森林中迷路的人。

- 部分摘自：Cotera, Gustavo. 坎塔布里亚神话。Tantin出版社，桑坦德，1998年。