差分隐私与风险分析:系统变化下的应对策略
1. 差分隐私相关机制与研究进展
差分隐私在保护数据隐私方面发挥着重要作用,在一些场景中,涉及到特定的机制来保障数据隐私与信息安全。例如,在一个城市中针对候选人得票较多的情况,有如下两种机制:
| 机制 | 输入/输出 | A | B | C | D | E | F |
| — | — | — | — | — | — | — | — |
| M1: 截断几何机制 | A | 0.535 | 0.060 | 0.052 | 0.046 | 0.040 | 0.267 |
| | B | 0.465 | 0.069 | 0.060 | 0.053 | 0.046 | 0.307 |
| | C | 0.405 | 0.060 | 0.069 | 0.060 | 0.053 | 0.353 |
| | D | 0.353 | 0.053 | 0.060 | 0.069 | 0.060 | 0.405 |
| | E | 0.307 | 0.046 | 0.053 | 0.060 | 0.069 | 0.465 |
| | F | 0.267 | 0.040 | 0.046 | 0.052 | 0.060 | 0.535 |
| M2: 自定义机制 | A | 2/7 | 1/7 | 1/7 | 1/7 | 1/7 | 1/7 |
| | B | 1/7 | 2/7 | 1/7 | 1/7 | 1/7 | 1/7 |
| | C | 1/7 | 1/7 | 2/7 | 1/7 | 1/7 | 1/7 |
| | D | 1/7 | 1/7 | 1/7 | 2/7 |
超级会员免费看
订阅专栏 解锁全文
1094

被折叠的 条评论
为什么被折叠?



