Privacidade Diferencial
Privacidade diferencial é um arcabouço matemático para divulgar informações estatísticas sobre um conjunto de dados, fornecendo garantias rigorosas de que registros individuais não podem ser identificados ou inferidos. Introduzida por Cynthia Dwork em 2006, formaliza a privacidade como um limite probabilístico: a presença ou ausência de qualquer indivíduo no conjunto de dados altera a distribuição de saída em no máximo um fator multiplicativo de e^ε, onde ε é o orçamento de privacidade que controla o trade-off privacidade-utilidade.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Como citar esta página
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/pt/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.
- Aprendizagem FederadaPrivacidade↔ compare
- k-Anonimato: Protegendo a Privacidade Individual em Dados LiberadosPrivacidade↔ compare
- Geração de Dados Sintéticos para Controle de DivulgaçãoPrivacidade↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →