Prywatność różnicowa
Prywatność różnicowa to matematyczne ramy publikowania informacji statystycznych o zbiorze danych, przy jednoczesnym zapewnieniu rygorystycznych gwarancji, że poszczególne rekordy nie mogą zostać zidentyfikowane ani wywnioskowane. Wprowadzona przez Cynthiię Dwork w 2006 roku, formalizuje prywatność jako probabilistyczne ograniczenie: obecność lub brak pojedynczej osoby w zbiorze danych zmienia rozkład wyjściowy co najwyżej o czynnik multiplikatywny e^ε, gdzie ε jest budżetem prywatności kontrolującym kompromis między prywatnością a użytecznością.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/pl/privacy/differential-privacy
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Uczenie federacyjnePrywatność↔ porównaj
- k-Anonimowość: Ochrona prywatności jednostki w udostępnianych danychPrywatność↔ porównaj
- Generowanie danych syntetycznych na potrzeby kontroli ujawnieńPrywatność↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →