Диференційна приватність
Диференційна приватність — це математичний фреймворк для публікації статистичної інформації про набір даних, що надає суворі гарантії того, що окремі записи не можуть бути ідентифіковані або виведені. Запроваджена Синтією Дворк у 2006 році, вона формалізує приватність як імовірнісну межу: присутність або відсутність будь-якої окремої особи в наборі даних змінює вихідний розподіл щонайбільше на мультиплікативний коефіцієнт e^ε, де ε — це бюджет приватності, що контролює компроміс між приватністю та корисністю.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Dwork, C. (2006). Differential privacy. International Colloquium on Automata, Languages and Programming (ICALP), 1–12. DOI: 10.1007/11787006_1 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Differential Privacy. ScholarGate. https://scholargate.app/uk/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.
- Федеративне навчанняКонфіденційність↔ compare
- k-Анонімність: захист індивідуальної приватності у випущених данихКонфіденційність↔ compare
- Генерація синтетичних даних для контролю розкриття інформаціїКонфіденційність↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →