Machine learningPrivacy-preserving analysis
פרטיות דיפרנציאלית
פרטיות דיפרנציאלית היא מסגרת מתמטית לשחרור מידע סטטיסטי אודות מערך נתונים תוך מתן הבטחות קפדניות שלא ניתן לזהות או להסיק רשומות בודדות. היא הוצגה על ידי סינתיה דבורק בשנת 2006, ומבססת פרטיות כחסם הסתברותי: נוכחותו או היעדרו של כל אדם בודד במערך הנתונים משנה את התפלגות הפלט לכל היותר בפקטור כפלי של e^ε, כאשר ε הוא תקציב הפרטיות השולט על פשרה בין פרטיות לתועלת.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/he/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.
- למידה מאוחדת (Federated Learning)פרטיות↔ compare
- k-אנונימיות: הגנה על פרטיות הפרט בנתונים ששוחררופרטיות↔ compare
- יצירת נתונים סינתטיים לבקרת חשיפהפרטיות↔ compare