我正在从事一个由真实数据组成的工业项目。现在，这些数据包含无法公开披露的有关公司运营的敏感信息。因此，在实现机器学习算法之前，我需要先对原始数据进行匿名化处理。`数据匿名化包括：
changing the names of persons,
places,
geographical locations, etc.我想知道匿名数据集的最佳做法是什么？理想情况下，我应该能够在对匿名数据集进行分析后取回原始数据。
我浏览了文献并查看了一些已回答的问题。它们都是基于cybersecurity aspectslike encryption and decryption algorithms。我不熟悉网络安全算法。有没有办法在不深入研究网络安全算法的情况下稍微改变数据？
据我所知，文本匿名化主要被认为是手动预处理步骤，我不知道有任何可靠的全自动方法。由于法律和道德原因，该过程的可靠性通常至关重要，这就是为什么必须进行一些手工工作的原因。
话虽如此，该过程可以半自动进行，尤其是在要混淆的信息范围不太大的情况下。在您的情况下，可能会应用NE 标记器来捕获大部分实体。
一旦在原始数据中注释了所有实体，就可以直接用占位符自动替换它们。这可以在保持原始版本和匿名版本对齐的同时完成（通常为每个实体使用唯一的 id）。
一般来说，我会说 HIPPA 标准是一个好的开始。这将包括将非个人识别信息 (pii) 与不必保密的信息分开。[1]。
老实说，匿名地理位置并没有很好的标准，这样既可以保护隐私，又可以进行数据分析，这是NIST感兴趣的一个领域。事实上，它是2018 年 The Unlinkable Data Challenge的主题之一。
可以在此处找到一组详细的方法。
除此之外，我会向您推荐所谓的Cryptographic Right Answers。立即散列，不要使用 MD5、MD6 或 SHA-1 等。