Privacidad diferencial
La privacidad diferencial es un marco matemático para la publicación de información estadística sobre un conjunto de datos, al tiempo que proporciona garantías rigurosas de que los registros individuales no pueden ser identificados o inferidos. Introducida por Cynthia Dwork en 2006, formaliza la privacidad como un límite probabilístico: la presencia o ausencia de cualquier individuo en el conjunto de datos cambia la distribución de salida en un factor multiplicativo máximo de e^ε, donde ε es el presupuesto de privacidad que controla el equilibrio entre privacidad y utilidad.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Cómo citar esta página
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/es/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.
- Aprendizaje FederadoPrivacidad↔ compare
- k-Anonymidad: Protección de la privacidad individual en datos publicadosPrivacidad↔ compare
- Generación de datos sintéticos para el control de la divulgaciónPrivacidad↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →