ความเป็นส่วนตัวเชิงอนุพันธ์
ความเป็นส่วนตัวเชิงอนุพันธ์ (Differential Privacy) เป็นกรอบการทำงานทางคณิตศาสตร์สำหรับการเผยแพร่ข้อมูลทางสถิติเกี่ยวกับชุดข้อมูล ในขณะที่ให้การรับประกันที่เข้มงวดว่าบันทึกส่วนบุคคลจะไม่สามารถถูกระบุหรืออนุมานได้ ซินเธีย ดวอร์ก (Cynthia Dwork) ได้นำเสนอแนวคิดนี้ในปี 2006 โดยกำหนดความเป็นส่วนตัวอย่างเป็นทางการในรูปของขอบเขตความน่าจะเป็น: การมีอยู่หรือไม่มีอยู่ของบุคคลใดบุคคลหนึ่งในชุดข้อมูลจะเปลี่ยนแปลงการกระจายผลลัพธ์ไม่เกินปัจจัยการคูณของ e^ε โดยที่ ε คืองบประมาณความเป็นส่วนตัวที่ควบคุมการแลกเปลี่ยนระหว่างความเป็นส่วนตัวและอรรถประโยชน์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/th/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.
- สหพันธ์การเรียนรู้ความเป็นส่วนตัว↔ compare
- k-Anonymity: การปกป้องความเป็นส่วนตัวของข้อมูลส่วนบุคคลในการเผยแพร่ข้อมูลความเป็นส่วนตัว↔ compare
- การสร้างข้อมูลสังเคราะห์เพื่อการควบคุมการเปิดเผยความเป็นส่วนตัว↔ compare