Diferenciální soukromí
Diferenciální soukromí je matematický rámec pro zveřejňování statistických informací o datové sadě, přičemž poskytuje rigorózní záruky, že jednotlivé záznamy nelze identifikovat ani odvodit. Představeno Cynthií Dwork v roce 2006, formalizuje soukromí jako pravděpodobnostní mez: přítomnost nebo absence jakéhokoli jednotlivce v datové sadě mění distribuci výstupu maximálně multiplikativním faktorem e^ε, kde ε je rozpočet na soukromí řídící kompromis mezi soukromím a užitečností.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/cs/privacy/differential-privacy
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Federované učeníSoukromí↔ compare
- k-Anonymita: ochrana soukromí jednotlivců ve zveřejněných datechSoukromí↔ compare
- Generování syntetických dat pro kontrolu zveřejněníSoukromí↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →