(一) 差分隱私
最近一直在學習差分隱私，剛開始學的時候由於對這方面的知識不太清楚，一直處於模模糊糊的理解狀態。現在學習了一段時間后開始有了一些初步的認識，所以把學習過程中的一些知識總結一下，方便以后復習，也為其他的小伙伴提供一些思路。由於我也是初學者，所以難免會出現一些錯誤，希望各位大佬可以指出。 本文 ...
原文：差分隱私基礎
數據的隱私保護問題最早由統計學家Dalenius 在 世紀 年代末提出，他認為，保護數據庫中的隱私信息，就是要使任何用戶 包括合法用戶和潛在的攻擊者 在訪問數據庫的過程中無法獲取關於任意個體的確切信息 。 從已有的研究來看，k anonymity及其擴展模型在隱私保護領域影響深遠且被廣泛應用。這些模 型的基本思想是將數據集里與攻擊者背景知識相關的屬性定義為准標識符，通過對記錄的准標識符值進行泛化 ...
2021-01-16 10:27 0 471 推薦指數：
相關推薦
差分隱私
差分隱私的由來 想要在一個統計數據庫里面保護用戶的隱私，那么理想的隱私定義是這樣的：訪問一個統計數據庫而不能夠泄露在這個數據庫中關於個人的信息。也就是說統計數據庫應該提供一個統計值，但是對於個人的信息不應該被查詢到。 但是，這個理想的定義是不可行的，它並沒有考慮到輔助信息。比如這么一個 ...
(二) 差分隱私直觀理解
差分隱私是為了在敏感數據上進行數據分析而發展起來的一套機制，通過混淆數據庫查詢結果，來實現數據在個人層面的隱私性，並且保證查詢結果近似正確。這篇文章通過一些例子簡要介紹差分隱私的提出動機和思想，主要參考Dwork的The Algorithmic Foundations ...
基於差分隱私的安全機制
差分隱私采用了一種隨機機制，使得當輸入中的單個樣本改變之后，輸出的分布不會有太大的改變。比如兩個數據集中只有1條記錄有差別，查詢這兩個數據集且獲得相同輸出的概率非常接近。因此，用戶即便獲取了輸出結果，也無法通過結果推測出輸入數據來自哪一方。 在現有的隱私保護方法中，差 ...
淺談對差分隱私的理解
在聽完第五組的報告之后，淺談一下對差分隱私的認識，主要針對差分隱私的思想做一個大致的梳理。 為什么會產生差分隱私？ 由於有些“聰明”的用戶為了知道某些信息，可以通過兩次查詢結果的差異進行對比，從而在兩次數據的對比中找到有用的信息。正如在楊頊組的報告中提 ...
差分隱私報告---第4組
差分隱私報告 匯報人：倪元元、曾文麗、楊頊 時間：2020.3.3 1.背景. 2 2.以往的工作及其局限性. 2 3.差分隱私模型. 2 4.差分隱私的性質發展. 3 5.相關定義的發展. 3 6.實現機制. 4 總結. 5 參考文獻. 5 1.背景 ...
MindSpore：基於本地差分隱私的 Bandit 算法
摘要：本文將先簡單介紹Bandit 問題和本地差分隱私的相關背景，然后介紹基於本地差分隱私的 Bandit 算法，最后通過一個簡單的電影推薦場景來驗證 LDP LinUCB 算法。 Bandit問題是強化學習中一類重要的問題，由於它定義簡潔且有大量的理論分析，因此被廣泛應用於新聞推薦，醫學 ...
差分隱私中指數機制的實現
...