文档摘要

3.4 差分隐私 (Differential Privacy, DP) 本节摘要：统计结果怎么保护个体？差分隐私给数学答案。本节讲清楚 DP 定义（相邻数据集不可区分）、机制（拉普拉斯/高斯/指数）、组合定理、本地 vs 中心 DP、工程落地。读完你能给项目配 DP 参数。 一、DP 的核心问题 差分隐私原理 差分隐私原理 传统匿名化（去姓名/身份证）不够——多数据集交叉能重新识别个体。 会员。《3.4 差分隐私 (Differential Privacy， DP)》收录于灏天文库文集《隐私增强技术 (PETs)》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/666-%E9%9A%90%E7%A7%81%E5%A2%9E%E5%BC%BA%E6%8A%80%E6%9C%AF-pets

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流