Skip to main content
SpringerLink
Log in

Wie kann man Privatheit messen?

Privatheitsmaße aus der Wissenschaft

  • Schwerpunkt
  • Published:
Datenschutz und Datensicherheit - DuD Aims and scope Submit manuscript

Abstract

Wann ist ein Datenbestand so anonymisiert, dass ein Personenbezug tatsächlich nicht mehr hergestellt werden kann? Welche Merkmale sind es, mit denen Einzelangaben einem Betroffenen zugeordnet werden können? Und kann ein Neugieriger tatsächlich keine persönlichen Informationen aus einem anonymisierten Datenbestand erfahren? Der Beitrag stellt vor, welche Antworten die Informatik auf diese Fragen geben kann.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Literatur

  1. Golle, P.: Revisiting the uniqueness of simple demographics in the USpopulation. Tagungsband des ACM Workshop on Privacy in Electronic Society 2006.

    Google Scholar 

  2. Wijaya, T., et al.: Consumer segmentation and knowledge extraction from smart meter and survey data. Tagungsband der SDM. 2014.

    Google Scholar 

  3. Parson, O., et al.: An unsupervised training method for non-intrusive appliance load monitoring, Artificial Intelligence, Band 217, 2014.

    Article  Google Scholar 

  4. Greveler, U., Justus, B., Loehr, D.: Multimedia content identification through smart meter power usage profiles. Computers, Privacy and Data Protection, Band 5, 2012.

  5. Buchmann, E., et al.: Re-Identification of Smart Meter Data. Personal and ubiquitous computing, Band 17(4), 2013.

    Google Scholar 

  6. Sweeney, L.: Achieving k-Anonymity Privacy Protection Using Generalization and Suppression. Uncertainty, Fuzziness and Knowledge-Based Systems, Band 10(5), 2002.

    Google Scholar 

  7. Agrawal, R., Srikant, R.: Privacy-preserving data mining. Tagungsband der SIGMOD, 2000.

    Google Scholar 

  8. Buchmann, E., et al.: The Costs of Privacy in Local Energy Markets. Tagungsband der CBI, 2013.

    Google Scholar 

  9. Machanavajjhala, A. et al.: l-Diversity: Privacy Beyond k-Anonymity, Tagungsband der ICDE 2006.

    Google Scholar 

  10. Ninghui, L. et al.: t-Closeness: Privacy Beyond k-Anonymity and l-Diversity, Tagungsband der ICDE 2007.

    Google Scholar 

  11. Dwork, C..: Differential Privacy, Tagungsband der ICALP 2006.

    Google Scholar 

  12. Kifer, D., Machanavajjhala, A.: A Rigorous and Customizable Framework for Privacy. Tagungsband der PODS, 2012.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Max-Planck-Institut für Informatik und Vertreter des Lehrstuhls für Informationssysteme, Universität des Saarlandes, Karlsruhe, Deutschland

    Erik Buchmann

Authors
  1. Erik Buchmann
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Erik Buchmann.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Buchmann, E. Wie kann man Privatheit messen?. Datenschutz Datensich 39, 510–514 (2015). https://doi.org/10.1007/s11623-015-0461-1

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s11623-015-0461-1

Search

Navigation