...

　　 ...

在实践中，通常使用拉普拉斯机制和指数机制来实现差分隐私。拉普拉斯机制用于数值型结果的保护，指数机制用于离散型结果的保护。 拉普拉斯机制 拉普拉斯机制通过向确切的查询结果中加入服从拉普拉斯分布的随机噪声，来实现 ε-差分隐私保护 。记位置参数为0、尺度参数为b的拉普拉斯分布为Lap(b ...

差分隐私采用了一种随机机制，使得当输入中的单个样本改变之后，输出的分布不会有太大的改变。比如两个数据集中只有1条记录有差别，查询这两个数据集且获得相同输出的概率非常接近。因此，用户即便获取了输出结果，也无法通过结果推测出输入数据来自哪一方。 在现有的隐私保护方法中，差 ...

typedef double db; int sgn( db x) {return x < - EPS ? - 1 : x > EPS ;} db Uniform(db x=.0) ...

数据的隐私保护问题最早由统计学家Dalenius 在20世纪70年代末提出，他认为，保护数据库中的隐私信息，就是要使任何用户（包括合法用户和潜在的攻击者）在访问数据库的过程中无法获取关于任意个体的确切信息 。 从已有的研究来看，k-anonymity及其扩展模型在隐私保护领域影响深远且被广泛应用 ...

最近一直在学习差分隐私，刚开始学的时候由于对这方面的知识不太清楚，一直处于模模糊糊的理解状态。现在学习了一段时间后开始有了一些初步的认识，所以把学习过程中的一些知识总结一下，方便以后复习，也为其他的小伙伴提供一些思路。由于我也是初学者，所以难免会出现一些错误，希望各位大佬可以指出。 本文 ...

差分隐私的由来 想要在一个统计数据库里面保护用户的隐私，那么理想的隐私定义是这样的：访问一个统计数据库而不能够泄露在这个数据库中关于个人的信息。也就是说统计数据库应该提供一个统计值，但是对于个人的信息不应该被查询到。 但是，这个理想的定义是不可行的，它并没有考虑到辅助信息。比如这么一个 ...