Étape 2 : Lancer l’anonymisation

⚠️ Travail en cours
Cette page est en cours de développement. Les informations peuvent être incomplètes ou susceptibles d’évoluer.

Félicitations ! Votre jeu de données est maintenant prêt pour l’anonymisation. Cette page explique comment réaliser l’anonymisation à l’aide des différents clients proposés par Octopize. Pour chaque client, nous démontrerons le processus d’anonymisation, le calcul des métriques, et la génération de rapports à l’aide d’un jeu d’exemple.

Paramètres d’anonymisation

Cette section liste tous les paramètres qui influencent le processus d’anonymisation.
Pour faciliter la première itération, la méthode inclut un outil intégré, appelé Advisor, qui génère un ensemble prédéfini de paramètres en fonction des caractéristiques du jeu de données.

Méthodes mutuellement exclusives

Les paramètres k et fast_dp_epsilon correspondent à deux méthodes d’anonymisation distinctes (Avatar et AvatarFastDP). Vous devez en définir exactement un — ils ne peuvent pas être combinés. Voir Méthodes de Confidentialité Différentielle pour choisir la méthode adaptée.

• k : Un entier représentant le nombre de voisins les plus proches à considérer. Plus la valeur est grande par rapport à la taille du jeu de données, plus le niveau de protection est élevé, mais au prix d’une perte de variance accrue.

• fast_dp_epsilon : Un nombre flottant définissant le budget de confidentialité pour AvatarFastDP (synthèse rapide inspirée de la DP). Doit être > 0.

  • Le mécanisme et ses réglages (mechanism, gmm_n_components, histogram_n_bins, bounds_percentile) ne sont pas des arguments de set_parameters(). Définissez-les en YAML sous avatarization_fast_dp. Voir Méthodes de confidentialité différentielle.

• column_weights : Définit l’importance de chaque variable durant le processus de projection. Des valeurs plus élevées entraînent une plus grande séparation des individus basée sur cette variable.

• ncp : Fixe le nombre de dimensions à considérer pour l’algorithme KNN. Des valeurs plus faibles favorisent les variables bien représentées dans l’espace de projection.

• use_categorical_reduction : Booléen activant la transformation des variables catégorielles dans un espace numérique latent avant projection. Cela réduit le coût de calcul tout en conservant la majorité de la variance originale.

• imputation : Utilisé lors de l’anonymisation de jeux contenant des valeurs manquantes. Si aucun paramètre d’imputation n’est fourni, les données manquantes seront automatiquement traitées.

  • method : La méthode d’imputation. Options disponibles : mode, median, mean, knn, fast_knn.
    Si knn ou fast_knn est utilisé, les paramètres k et training_fraction seront appliqués ; sinon, ils seront ignorés.
  • k : Nombre de voisins les plus proches à considérer pour l’imputation KNN.
  • training_fraction : Fraction du jeu de données utilisée pour entraîner l’imputeur KNN. Des valeurs plus petites améliorent la performance.

• exclude_variable_names : Permet d’exclure certaines variables de l’anonymisation avant leur réaffectation probabiliste. Utile pour les variables catégorielles avec un grand nombre de valeurs uniques.

  • exclude_replacement_strategy : Méthode de réaffectation des variables exclues. Options :
    • ExcludeVariablesMethod.COORDINATE_SIMILARITY : Associe les valeurs des variables exclues à celles de l’enregistrement original le plus similaire.
    • ExcludeVariablesMethod.ROW_ORDER : Assigne à chaque avatar les valeurs des variables exclues issues de son enregistrement original.

• seed : Un entier utilisé pour fixer la graine aléatoire afin d'assurer la reproductibilité. Ne pas définir en production.

Client Python

Idéal pour intégrer l’anonymisation dans des processus ETL industriels ou l’utiliser directement après un script de prétraitement.

Exemple d’utilisation (À FAIRE)

• Advisor
• Anonymisation
• Confidentialité (Privacy)
• Utilité (Utility)
• Génération de rapports
• Récupération des données

Pour plus de détails, voir le tutoriel GitHub.

Client Web

Une interface web qui permet aux utilisateurs d’interagir avec l’API via des clics simples.
Idéal pour les non-data scientists, offrant une expérience rapide et intuitive, mais moins adapté à l’automatisation industrielle.

Interprétation et itération

Félicitations ! Vous avez réalisé votre premier processus d’anonymisation complet.
Vous pouvez maintenant passer à la page Améliorez vos résultats pour interpréter et améliorer les résultats.

Si cette itération est finale, pensez à générer et conserver le rapport d’anonymisation. Ce rapport sert de document d’analyse de risque, pouvant être archivé dans le registre des traitements du DPO.