Дифференциальная приватность
Дифференциальная приватность — это математическая основа для публикации статистической информации о наборе данных, обеспечивающая строгие гарантии невозможности идентификации или вывода отдельных записей. Предложенная Синтией Дворк в 2006 году, она формализует приватность как вероятностное ограничение: присутствие или отсутствие любой отдельной записи в наборе данных изменяет распределение выходных данных не более чем в e^ε раз, где ε — бюджет приватности, контролирующий компромисс между приватностью и полезностью.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/ru/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.
- Федеративное обучениеКонфиденциальность↔ compare
- k-Анонимность: Защита индивидуальной конфиденциальности в публикуемых данныхКонфиденциальность↔ compare
- Генерация синтетических данных для контроля раскрытия информацииКонфиденциальность↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →