トップ（ボトム）コーディング

匿名加工の手法の一つで、ある値より大きい（小さい）値を「80歳以上」のようにまとめて上限値（下限値）に置き換えること。年齢や年収などの極端な値から個人が特定されることを防ぐ。

個人データを匿名化する一般的な手法の一つで、極端に大きい値または小さい値を、ある閾値でまとめて置き換えること。例えば年齢が90歳以上の値をすべて「90歳以上」とし、少数で特定されやすい外れ値を持つ人の特定を防ぐ。上側をまとめるのがトップコーディング、下側をまとめるのがボトムコーディング。

個人データの匿名化・秘匿化で、識別につながる情報を削除する単位による3つの手法。項目削除は、氏名や電話番号のような識別性の高い項目（列）をすべてのレコードから除く。レコード削除は、極端に珍しい属性の組合せを持つなど特定されやすい人のレコード（行）全体を除き、セル削除はそのレコードの中で特定されやすい値だけを除いてほかの値は残す。

年齢、性別、郵便番号など、組み合わせると個人を特定し得る属性（準識別子）について、同じ値の組合せを持つレコードがどれもk件以上になるように、値の一般化（年齢を年代にするなど）や削除を行う匿名化の手法。外部の情報と照合されても、少なくともk人のうちの誰かまでしか絞り込めない。同じ組合せの人がみな同じ病名を持つ場合などは属性が推測されるため、l-多様性などの考え方で補う。

入力の誤り、測定機器の故障、システムの不具合など、原因が特定できる誤りによって生じた、本来あり得ない値。年齢が負の数である、存在しない日付であるといった、取り得る範囲や業務上の制約から外れた値が該当する。正しい値が分かれば修正し、分からなければ削除するか欠損値として扱う。

個人データの氏名やIDなど本人を直接特定できる項目を仮のIDに置き換えるなどして、追加の情報（対応表など）と照合しなければ本人を特定できないようにする処理。対応表を別に管理すれば元に戻せる点で、元に戻せない匿名化と異なり、GDPRでは仮名化したデータも個人データとして扱う。機密レベルに応じた提供データの秘匿化の手段の一つである。

個々の事例や観察の結果から、それらに共通する一般的な規則や法則を導く推論。「見たカラスはすべて黒い」から「カラスは黒い」を導くような推論で、新しい知識を得られるが、反例が見つかれば覆るので結論は必ずしも正しくない。データから規則を学ぶ機械学習は帰納推論の一種といえる。

通常の検索エンジンからはたどれず、Torなどの匿名化の仕組みを使わないと接続できないWebサイト群。利用者や運営者の匿名性が高いため、盗まれた個人情報や認証情報、マルウェア、攻撃の請負サービスなどの売買に悪用されている。