差分隐私：OpenDP理论与实践
伊桑·科恩 迈克尔·舒马特 玛雅娜·佩雷拉
61人在读
15.3万字总字数
¥71定价
伊桑·科恩 迈克尔·舒马特 玛雅娜·佩雷拉
差分隐私可以在不泄露数据集中具体个人信息的前提下，准确发布数据集的统计信息。本书详细阐述了差分隐私的理论基础、实际应用以及面临的挑战，覆盖具体算法和数学模型。全书分为三部分：第一部分介绍差分隐私的理论，详细解释了准备数据和执行差分隐私数据发布所需的各个概念；第二部分探讨差分隐私的应用，包括如何查询不同的数据格式（如搜索日志）以及在机器学习算法中添加差分隐私；第三部分则关注从业者需要了解的重要主题，例如理解隐私攻击、设置隐私参数以及部署首次差分隐私数据发布。本书适合数据管理人员、数据技术相关人员、安全领域技术人员等阅读。