内容介绍
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。
商品详情
 |
动手学差分隐私
作 者:(美)约瑟夫·P.尼尔,(美)希肯·亚比雅 著 刘巍然,李双 译
定 价:79
出 版 社:机械工业出版社
出版日期:2024年01月01日
页 数:288
装 帧:平装
ISBN:9787111741312
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。
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
……
- 文轩九月图书旗舰店
- 特价好书，就在文轩网！
- 扫描二维码，访问我们的微信店铺
