数据库匿名化：使用加性噪声

数据库匿名化是一种保护敏感数据的技术，其中加性噪声是一种常用的方法。下面是一个使用加性噪声进行数据库匿名化的示例代码：

import numpy as np

# 加性噪声函数
def add_noise(data, epsilon):
    # 计算噪声的范围
    sensitivity = 1.0
    scale = sensitivity / epsilon
    
    # 生成噪声
    noise = np.random.laplace(loc=0.0, scale=scale, size=len(data))
    
    # 添加噪声
    noisy_data = data + noise
    
    return noisy_data

# 原始数据
data = np.array([1, 2, 3, 4, 5])

# 隐私参数
epsilon = 0.5

# 添加噪声
noisy_data = add_noise(data, epsilon)

# 打印匿名化后的数据
print("原始数据：", data)
print("匿名化后的数据：", noisy_data)

在上面的示例中，add_noise函数接受原始数据和隐私参数epsilon作为输入，并使用Laplace分布生成一组加性噪声。然后，这个噪声被添加到原始数据中，生成匿名化的数据。最后，打印出原始数据和匿名化后的数据。

需要注意的是，这只是一个简单的示例，实际使用时可能需要考虑更复杂的数据结构和保护措施，确保数据的隐私和安全。