Triangulation-Based multivariate microaggregation

Abstract

Microaggregation is a Statistical Disclosure Control technique in which similar records are clustered into groups containing a minimum of k records that are later replaced by group centroids, so that released data preserve some of their statistical properties while reducing the risk of re-identification. Heuristic clustering methods are needed since the minimum information loss microaggregation problem is NP-hard. In this paper we studied various microaggregation methods in the literature and we have proposed a new heuristic approach for multivariate fixed-size microaggregation based on the triangulation of a set of points in R2. A reference data set and a random generated one are used to compare the method outcomes, in terms of information loss, with other previous proposals and the results summarized.

En aquest treball hem estudiat diversos mètodes de microagregación en la literatura i hem proposat un nou enfocament heurístic per multivariante de memòria fixa basada en la triangulació d'un conjunt de punts en R2. Un conjunt de dades de referència generats a l'atzar s'utilitzen per comparar els resultats del mètode, en termes de pèrdua d'informació, amb altres propostes anteriors i els resultats resumits.

En este trabajo hemos estudiado diversos métodos de microagregación en la literatura y hemos propuesto un nuevo enfoque heurístico para multivariante de memoria fija basada en la triangulación de un conjunto de puntos en R2. Un conjunto de datos de referencia generados al azar se utilizan para comparar los resultados del método, en términos de pérdida de información, con otras propuestas anteriores y los resultados resumidos.