Диференциална поверителност
Диференциалната поверителност е математическа рамка за публикуване на статистическа информация за набор от данни, като същевременно се предоставят строги гаранции, че индивидуалните записи не могат да бъдат идентифицирани или изведени. Въведена от Синтия Дворк през 2006 г., тя формализира поверителността като вероятностна граница: присъствието или отсъствието на всеки отделен индивид в набора от данни променя изходното разпределение с най-много мултипликативен фактор e^ε, където ε е бюджетът за поверителност, контролиращ компромиса между поверителност и полезност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/bg/privacy/differential-privacy
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Федеративно ученеПоверителност↔ сравняване
- k-Анонимност: Защита на индивидуалната неприкосновеност в публикувани данниПоверителност↔ сравняване
- Генериране на синтетични данни за контрол на разкриванетоПоверителност↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →