2025_NIPS_Nearly-Linear Time and Massively Parallel Algorithms for k-Anonymity

文章总结与翻译

一、主要内容总结

1. 研究背景

k-匿名性是隐私保护数据发布的核心技术，要求数据集中每条记录与至少k-1条其他记录不可区分（通过抑制或泛化属性实现）。现有算法存在两大痛点：一是具有可证明保证的算法要么时间复杂度高（如O(n²k)），要么最坏情况下复杂度不切实际（如O(n²ᵏ)）；二是缺乏适用于大规模并行计算（MPC）模型的高效方案，且k-匿名性问题的固有难度尚未得到充分论证。

2. 核心贡献

（1）近线性时间近似算法

提出首个具有O(k)近似比的k-匿名性算法，时间复杂度为O~(nd+n⋅(n/k)1/C2+o(1))\tilde{O}(nd + n \cdot (n/k)^{1/C² + o(1)})