Il collegamento di dataset è il processo di combinazione di due o più fonti di dati in modo che i record possano essere associati alla stessa persona, dispositivo o account. L'associazione può basarsi su identificatori diretti, ma spesso utilizza segnali indiretti come posizione, timestamp, ruolo lavorativo, cronologia degli acquisti o altri quasi-identificatori. Nel lavoro sulla privacy e sulla sicurezza, il collegamento è importante perché dati che da soli sembrano innocui possono diventare identificativi quando vengono uniti ad altri record.
Nella sicurezza informatica, il collegamento di dataset viene usato sia negli attacchi sia nelle difese. Gli aggressori possono correlare dati compromessi, profili pubblici e telemetria per scoprire identità, abitudini o relazioni sensibili, anche quando i nomi sono stati rimossi. I difensori usano un collegamento controllato per rilevare frodi, unire informazioni sulle minacce e verificare se l'anonimizzazione sia ancora credibile. Il rischio principale è la reidentificazione: una volta combinati più dataset, la protezione originale può fallire se la sovrapposizione è sufficiente a individuare una persona o a rivelare un modello. Difese efficaci includono la minimizzazione dei dati, il controllo degli accessi, un campionamento accurato e test ripetuti su quanto facilmente i record possano essere collegati.