L-Diversität ist eine Maß für die Anonymisierung von Daten und enthält eine kleine, aber wesentliche Verfeinerung des Konzeptes der k-Anonymität. Die k-Anonymität ist als Anonymitätsmaß nicht völlig verlässlich, wie der folgende fiktive Beispielsfall zeigt: A wird Augenzeuge, wie ihr Nachbar B ins Krankenhaus eingeliefert wird. Sie möchte anhand der vom Krankenhaus veröffentlichten „k-anonymen“ Liste der aktuell Behandelten die Diagnose in Erfahrung bringen. Anhand der verkürzten Indentifikationsangaben kann A zwar nicht exakt den Datensatz von B herausfinden, aber eine Gruppe von k Datensätzen, die in Frage kommen. Wenn nun zufällig alle diese Datensätze dieselbe Diagnose verzeichnen (z.B. Herzinfarkt), dann weiß A auch so, dass diese Diagnose auch auf ihren Nachbarn zutrifft. Das Anonymitätsmaß der l-Diversität berücksichtigt dieses Problem, indem sie verlangt, dass in jeder k-Gruppe in den nichtidentifizierenden Merkmalen mindestens l verschiedene Merkmalsausprägungen vorkommen.