Differentiaalinen yksityisyys
Differentiaalinen yksityisyys on matemaattinen kehys tilastollisen tiedon julkaisemiseksi tietojoukosta ja samalla tarjoamalla tiukkoja takeita siitä, että yksittäisiä tietueita ei voida tunnistaa tai päätellä. Cynthia Dworkin vuonna 2006 esittelemä käsite formalisoi yksityisyyden todennäköisyysrajoituksena: minkä tahansa yksittäisen henkilön läsnäolo tai poissaolo tietojoukossa muuttaa tulosjakaumaa korkeintaan kertoimella e^ε, missä ε on yksityisyysbudjetti, joka säätelee yksityisyyden ja hyödyllisyyden välistä kompromissia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/fi/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.
- Hajautettu oppiminenYksityisyydensuoja↔ compare
- k-Anonymiteetti: Yksilöiden yksityisyyden suojaaminen julkaistussa datassaYksityisyydensuoja↔ compare
- Synteettisen datan generointi tietosuojan hallintaanYksityisyydensuoja↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →