Анонімізація високовимірних даних

Захист приватності стає неефективним через «прокляття розмірності». Це поняття описує проблеми, що виникають під час роботи з високовимірними даними. Із зростанням кількості ознак або вимірів обсяг даних, потрібний для коректної узагальненості, зростає експоненційно. Особливо це відчутно для k-anonymity: що більше стовпців, то складніше отримати k-анонімний набір даних.

Як PCA працює в контексті анонімізації наборів даних і їх публічного випуску?