您好,欢迎来到聚文网。 登录 免费注册
动手学差分隐私

动手学差分隐私

  • 字数: 137000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: (美)约瑟夫·P.尼尔,(美)希肯·亚比雅
  • 出版日期: 2024-01-01
  • 商品条码: 9787111741312
  • 版次: 1
  • 开本: 32开
  • 页数: 288
  • 出版年份: 2024
定价:¥79 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
本书是面向程序员的差分隐私书籍,最初由佛蒙特大学作为数据隐私课程的讲义,之后被芝加哥大学、宾夕法尼亚州立大学和莱斯大学选作教学参考书。本书旨在向读者介绍数据隐私保护领域所面临的挑战,描述为解决这些挑战而提出的技术,并帮助读者理解如何实现其中的关键技术。 本书强调动手实践,包含很多示例和很多概念的具体实现,这些示例和实现都是用可以实际运行的程序编写的,并提供开源代码下载。
内容简介
本书是一本面向程序员的差分隐私书籍,主要介绍数据隐私保护领域所面临的挑战,描述为解决这些挑战而提出的技术,并帮助读者理解如何实现其中一部分技术。本书前几章主要介绍去标识化、聚合、k-匿名性等无法抵御复杂隐私攻击的常用隐私技术。然后通过差分隐私技术、差分隐私的性质、敏感度、近似差分隐私、局部敏感度、差分隐私变体、指数机制、稀疏向量技术、本地差分隐私和合成数据等内容,详细介绍差分隐私如何从数学和技术角度提供隐私保护能力。
目录
译者序
第1章引言1
第2章去标识3
2.1关联攻击4
2.1.1重标识出Karrie有多难5
2.1.2Karrie很特别吗7
2.1.3可以重标识出多少个个体8
2.2聚合10
2.2.1小分组问题10
2.2.2差分攻击11
2.3总结12
第3章k-匿名性13
3.1验证k-匿名性14
3.2泛化数据以满足k-匿名性15
3.3引入更多的数据可以减小泛化的影响吗17
3.4移除异常值19
3.5总结20
第4章差分隐私21
4.1拉普拉斯机制22
4.2需要多大的噪声24
第5章差分隐私的性质25
5.1串行组合性25
5.2并行组合性29
5.2.1直方图30
5.2.2列联表31
5.3后处理性32
第6章敏感度35
6.1距离36
6.2计算敏感度37
6.2.1计数问询37
6.2.2求和问询38
6.2.3均值问询39
6.3裁剪40
第7章近似差分隐私45
7.1近似差分隐私的性质46
7.2高斯机制46
7.3向量值函数及其敏感度48
7.3.1L1和L2范数48
7.3.2L1和L2敏感度48
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网