该论文研究存在离群值（outliers）时的数据匿名化问题。现有潜在空间匿名化方法（如频谱匿名化SA）基于主成分分析（PCA），对离群值敏感，可能导致隐私泄露。作者提出ICSA（Invariant Coordinate Selection based Anonymization），用稳健的协方差矩阵估计（如MCD、MM估计等）替代PCA，通过不变坐标选择（ICS）增强抗污染能力。理论证明，在足够影响力的离群值下SA会失效。模拟实验表明，使用稳健散度矩阵的ICSA相比SA在隐私保护方面更强，且效用相当或更优。在临床基准数据集上，ICSA整体隐私-效用效率优于SA。结论：明确考虑离群值能显著改善匿名化性能，稳健潜在空间变换为隐私保护统计发布提供了有前景的方向。