保护个人数据集隐私，怎么少得了Python和Pandas

全文共2256字，预计学习时长4分钟

图片来源：unsplash.com/@dmey503

工作中处理含敏感信息的数据集是有风险的。一旦这类数据在数据集中出现，数据科学家们应谨慎再谨慎。

人们通常认为，处理敏感信息时，只要删除姓名、ID及信用卡卡号就能保护个人隐私。这其实是误解。尽管删除直接识别信息能起到一定作用，但人们能通过数据集里很多其他信息来重新识别个体。

比方说，哈佛大学定量社会分析学院（IQSS）数据隐私实验室的主管娜塔尼亚·斯威尼（Latanya Sweeney）就证实道，87%的美国人身份可通过邮政编码、性别及出生日期被再次确认。

本文将介绍如何有效降低数据集的隐私风险，并同时维持其分析价值，以开展机器学习。

接下来的例子将使用在数据科学家中备受欢迎的工作平台Jupyter Notebooks，运用原始数据和隐私保护的数据来预测工薪阶层。本文将运用CryptoNumerics的隐私文件库进行隐私算法，运用sklearn进行回归分析。

CryptoNumerics隐私文件库文献：https://cryptonumerics.com/cn-protect-for-data-science/?utm_source=DZone

现在来看看例子吧。

首先，输入文件库。

将数据集读入Pandas。