PCA ile veri maskeleme

Sözde anonimleştirme için PCA, şirketler arasında yaygın olarak kullanılır. PCA dönüşümlerinden geçirilmiş verilerin sağlandığı çok sayıda Kaggle yarışması ve veri kümesi bulabilirsin.

PCA'nın diferansiyel gizlilikli bir sürümü de diffprivlib içinde models modülünde bulunur. Bu sürüm, sklearn'ün PCA sınıfını temel alır ancak epsilon ile minimum ve maksimum sınırlar için isteğe bağlı argümanlar içerir. Tıpkı önceki bölümde gördüğümüz gibi.

Bu egzersizde, halihazırda players olarak yüklenmiş NBA Salaries veri kümesi üzerinde PCA ile veri maskeleme uygulayacaksın.

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

sklearn içinden PCAyı içe aktar.
PCA()yı, bileşen sayısı sütun sayısıyla aynı olacak şekilde başlat.
pcayı playersa uygula.
Ortaya çıkan veri kümesini incele.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import PCA from Scikit-learn
____

# Initialize PCA with number of components to be the same as the number of columns
pca = ____

# Apply PCA to the data
players_pca = ____

# Print the resulting dataset
print(pd.DataFrame(players_pca))

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python ile Veri Gizliliği ve Anonimleştirme

kursunun bir parçasıdır

AvançadoNível de habilidade

4.9+

Kursa Ücretsiz Başlayın

Get ready to apply anonymization techniques such as data suppression, masking, synthetic data generation, and generalization. In this chapter, you’ll learn how to distinguish between sensitive and non-sensitive personally identifiable information (PII), quasi-identifiers, and the basics of the GDPR. You'll also encounter real-life examples of what can go wrong if you don't follow these best practices.

Exercise 1: What's private, and why do we care?Exercise 2: Privacy is power Exercise 3: Is it sensitive or non-sensitive?Exercise 4: Suppression of sensitive attributes Exercise 5: Data masking and data generation with Faker Exercise 6: Masking sensitive PII Exercise 7: Removing names with faker Exercise 8: Anonymizing with data generalization Exercise 9: Reducing identification risk with generalization Exercise 10: Data aggregation and data generalization Exercise 11: Top and bottom coding White House salaries

Discover how to anonymize data by sampling from datasets following the probability distribution of the columns. You’ll then learn how to apply the k-anonymity privacy model to prevent linkage or re-identification attacks and use hierarchies to perform data generalization in categorical variables.

Exercise 1: Anonymizing categorical data Exercise 2: Explore the distribution of data Exercise 3: Sampling from the same probability distribution Exercise 4: Anonymizing continuous data Exercise 5: Different distributions Exercise 6: Sampling from the best continuous distribution Exercise 7: Introduction to K-anonymity Exercise 8: Privacy attributes Exercise 9: Generalizing into ranges Exercise 10: Generalizing data using hierarchies Exercise 11: Using hierarchies for categorical data Exercise 12: K-anonymizing a dataset

Learn about differential privacy, the model used by major technology companies such as Apple, Google, and Uber. In this chapter, you’ll explore data by generating private histograms and computing private averages in data. You’ll also create differentially private machine learning models that allow businesses to increase the utility of their data.

Exercise 1: Introduction to differential privacy Exercise 2: Epsilon (ϵ): the magic number Exercise 3: Histograms with differential privacy Exercise 4: Privacy budgets Exercise 5: Using privacy budgets Exercise 6: When no budget is left Exercise 7: Exploring data with a privacy budget accountant Exercise 8: Differentially private machine learning models Exercise 9: Build a differentially private classifier Exercise 10: Predicting salaries Exercise 11: Differentially private clustering models Exercise 12: Pre-processing data Exercise 13: Segmenting customers

In this final chapter, you’ll learn how to apply dimensionality reduction methods such as principal component analysis (PCA) to anonymize large multi-column datasets. You’ll then use Faker to generate realistic and consistent datasets, and scikit-learn to create synthetic datasets that follow a normal distribution. Lastly, you’ll tie everything you learned in this course together as you combine multiple techniques to safely release datasets to the public.

Exercise 1: Anonimleştirme için PCA Exercise 2: Yüksek boyutlu verilerin anonimleştirilmesi Exercise 3: PCA ile veri maskeleme

Geçerli Egzersiz

Exercise 4: Faker ile gerçekçi veri kümeleri oluşturma Exercise 5: Tutarlı sentetik veri kümesi Exercise 6: Aynı olasılıksal dağılıma sahip veri kümeleri Exercise 7: scikit-learn kullanarak sentetik veri kümeleri oluşturma Exercise 8: Sınıflandırma için veri kümeleri oluşturma Exercise 9: Kümeleme için veri kümeleri oluşturma Exercise 10: Veri kümelerini güvenle kamuya aç Exercise 11: Bir veri kümesini keşfetme ve takma adlandırma Exercise 12: Verilerin güvenli yayımlanması için çalışan verilerini hazırlama Exercise 13: Harika iş!