অ্যানোনিমাইজেশন ও k-anonymity

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ ১২-রেকর্ডের ডেটাসেট -- বাস্তব কোনো ব্যক্তির তথ্য নয়
records = [
    {"id": "R1",  "age": 32, "zip": "10001", "gender": "M"},
    {"id": "R2",  "age": 35, "zip": "10002", "gender": "M"},
    {"id": "R3",  "age": 38, "zip": "10003", "gender": "M"},

    {"id": "R4",  "age": 41, "zip": "20001", "gender": "F"},
    {"id": "R5",  "age": 44, "zip": "20002", "gender": "F"},
    {"id": "R6",  "age": 47, "zip": "20003", "gender": "F"},

    {"id": "R7",  "age": 61, "zip": "30001", "gender": "M"},
    {"id": "R8",  "age": 63, "zip": "30002", "gender": "M"},
    {"id": "R9",  "age": 65, "zip": "30003", "gender": "M"},

    {"id": "R10", "age": 21, "zip": "40001", "gender": "F"},
    {"id": "R11", "age": 24, "zip": "40002", "gender": "F"},
    {"id": "R12", "age": 27, "zip": "40003", "gender": "F"},
]

def age_bracket(age):
    return f"{(age // 10) * 10}s"   # যেমন 32 -> "30s"

def zip_prefix(zip5):
    return zip5[:3]                 # যেমন "10001" -> "100"

def group_by_qi(recs, qi_fields):
    """কোয়াসি-আইডেন্টিফায়ার ফিল্ডের কম্বিনেশন অনুযায়ী রেকর্ড গ্রুপ করে।"""
    groups = {}
    for r in recs:
        key = tuple(r[f] for f in qi_fields)
        groups.setdefault(key, []).append(r)
    return groups

def k_anonymity_report(recs, qi_fields, k):
    groups = group_by_qi(recs, qi_fields)
    sizes = {key: len(v) for key, v in groups.items()}
    min_size = min(sizes.values())
    violating = [r["id"] for grp in groups.values() if len(grp) < k for r in grp]
    return len(groups), min_size, violating

# ধাপ ১: এক্সাক্ট কোয়াসি-আইডেন্টিফায়ার দিয়ে চেক
n_groups_exact, min_size_exact, violations_exact = k_anonymity_report(
    records, ["age", "zip", "gender"], k=3
)
print("=== এক্সাক্ট কোয়াসি-আইডেন্টিফায়ার (age, zip, gender) ===")
print(f"মোট গ্রুপ সংখ্যা:      {n_groups_exact}")
print(f"সর্বনিম্ন গ্রুপ সাইজ:   {min_size_exact}")
print(f"k=3 লঙ্ঘনকারী রেকর্ড: {len(violations_exact)} / {len(records)}  -> {violations_exact}")

# ধাপ ২: বয়স ও জিপ কোড জেনারেলাইজ করে নতুন ফিল্ড যোগ করা
for r in records:
    r["age_bracket"] = age_bracket(r["age"])
    r["zip3"] = zip_prefix(r["zip"])

n_groups_gen, min_size_gen, violations_gen = k_anonymity_report(
    records, ["age_bracket", "zip3", "gender"], k=3
)
print("\n=== জেনারেলাইজড কোয়াসি-আইডেন্টিফায়ার (age_bracket, zip3, gender) ===")
print(f"মোট গ্রুপ সংখ্যা:      {n_groups_gen}")
print(f"সর্বনিম্ন গ্রুপ সাইজ:   {min_size_gen}")
print(f"k=3 লঙ্ঘনকারী রেকর্ড: {len(violations_gen)} / {len(records)}  -> {violations_gen}")

print(f"\nজেনারেলাইজেশনের প্রভাব: সর্বনিম্ন গ্রুপ সাইজ {min_size_exact} থেকে বেড়ে {min_size_gen} হয়েছে "
      f"({n_groups_exact} -> {n_groups_gen} গ্রুপ), লঙ্ঘন {len(violations_exact)} থেকে কমে {len(violations_gen)} হয়েছে।")