数据科学和人工智能有望变革我们日常生活的方方面面，如医疗、卫生保健、商业和治理。这些方法依赖于大规模的详细个人数据，但是收集和共享个人数据，已经引发了有关个人隐私的担忧。针对这个问题，目前的解决措施包括匿名化处理和公布不完全的数据集。但是，近期已经发生了利用匿名数据集，包括浏览历史记录、手机和信用卡数据，成功重新识别出个体身份的情况，这表明上述措施还不够充分。

为了进一步证明这一问题的严重性，英国帝国理工学院研究团队新开发了一种统计方法，能够准确估算通过匿名数据集正确地重新识别个体身份的可能性。研究人员发现，只需要知道少数几个属性，如邮政编码、出生日期、性别和子女数量，一般就能够以高可信度重新识别出个体身份——即使数据集是不完整的。而已知属性越多，识别的可能性越大。例如，99.98%的马萨诸塞州人口，可以通过15个人口统计学属性识别出来。

因此，研究团队总结认为，目前通常所采用的只公布取样数据集或不完全数据集，尚不足以很好地保护个人隐私。