Diferenciālā privātums
Diferenciālā privātums ir matemātisks ietvars statistiskas informācijas atklāšanai par datu kopu, vienlaikus nodrošinot stingras garantijas, ka individuālie ieraksti nav identificējami vai secināmi. Ieviests Sintijas Dvorkas 2006. gadā, tas formalizē privātumu kā probabilitātes robežu: jebkura atsevišķa indivīda klātbūtne vai neesamība datu kopā maina izvades sadalījumu ne vairāk kā par multiplikatīvu koeficientu e^ε, kur ε ir privātuma budžets, kas kontrolē privātuma un lietderības kompromisu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/lv/privacy/differential-privacy
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Federatīvā apmācībaPrivātums↔ salīdzināt
- k-Anonimitāte: individuālās privātuma aizsardzība publicētajos datosPrivātums↔ salīdzināt
- Sintētisko datu ģenerēšana atklāšanas kontroleiPrivātums↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →