معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

arkhn_arx is a tool to pseudonymize or anonymize datasets while evaluating reidentification risk metrics

ویژگی	مقدار
سیستم عامل	-
نام فایل	arkhn-arx-0.0.8
نام	arkhn-arx
نسخه کتابخانه	0.0.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Celine Thiriez
ایمیل نویسنده	contact@arkhn.com
آدرس صفحه اصلی	https://github.com/arkhn/pyarxaas
آدرس اینترنتی	https://pypi.org/project/arkhn-arx/
مجوز	MIT License

# arkhn_arx arkhn_arx is a module for dataset pseudonymization or anonymization which wraps pyarxaas ## Install ``` pip install arkhn_arx ``` ## Connection to ARXaas service This module uses https://github.com/navikt/arxaas service. To run this service locally : 1. Make sure Docker Desktop is running 2. Pull the Docker image ``` docker pull navikt/arxaas ``` 3. Run the Docker image ``` docker run -p 8080:8080 navikt/arxaas ``` ## Anonymization ### Principle This module can be used in 3 modes : to evaluate reidentification risk of a dataset, pseudonymize dataset or anonymize dataset. Anonymization is performed using k-anonymity and l-diversity algorithms. - k-anonymity ensures that the information for each person contained in the release cannot be distinguished from at least k-1 individuals whose information also appears in the release (defining a k-anonymity group). - l-diversity ensures that sensitive attributes are well represented (at least l distinct values) in each k-anonymity group ### Arguments - `input_dataframe` to anonymize - `configuration_file` : json file containing anonymization parameters ``` config_dict = {"anonymization":{"type": 2, "k":2, "l":2}, "attributes":[ {"customName":"att_1", "att_type":"att_type" "hierarchy_type":"hierarchy_type"}, ] } ``` - Anonymization parameters: - type : 0 returns risk metrics for initial dataset, 1 pseudonymize dataset, 2 anonymize dataset - k : parameter for K-anonymity - l : parameter for l-diversity - Attributes parameters: for each attribute gives : - customName : column name of attribute in dataframe - att_type : attribute type for anonymization, can be: - `"insensitive"` : will be kept unmodified - `"sensitive"` : will be kept as-is but they can be protected using privacy models, such as t-closeness or l-diversity - `"quasiidentifying"` : will be transformed using hierarchies - `"identifying""` : will be removed from the dataset - hierarchy_type : type of hierarchy to apply to attribute for anonymization, can be: - `"interval"` : can be used for variables with a ratio scale, intervals are defined using attribute quantiles - `"date"` : can be used for dates - `"redaction"` : can be used for a broad spectrum of attributes, masking parts of variables - `"order"` : NOT IMPLEMENTED can be used for variables with an ordinal scale, defining ordered group of variables - `URL_link` to ARXaaS service : if ARXaas service is running locally URL is : "http://localhost:8080" ## Example You can test this module using the example.py script

نیازمندی

مقدار	نام
==2020.4.5.1	certifi
==3.0.4	chardet
==2.9	idna
==1.18.4	numpy
==1.0.1	pandas
==0.5.7	pyARXaaS
==2.8.1	python-dateutil
==2020.1	pytz
==2.23.0	requests
==1.15.0	six
==0.9.0	uplink
==3.0.1	uritemplate
==1.25.9	urllib3

نحوه نصب

نصب پکیج whl arkhn-arx-0.0.8:

pip install arkhn-arx-0.0.8.whl

نصب پکیج tar.gz arkhn-arx-0.0.8:

pip install arkhn-arx-0.0.8.tar.gz