差分隐私

差分隐私定义：

一种用于在统计数据库中形式化隐私的一种框架，用来防止去匿名化的技术。

邻近数据集

对于两个数据集$D$和$D'$，记它们的对称差为$D\Delta D'$，如果$\mid D\Delta D' \mid=1$则$D'$称为$D$的临近数据集。

全局敏感度和局部敏感度

1.全局敏感度：

设有函数
$f:D\rightarrow {R^d},D$为一数据集，$f$的输入为一数据集，输出为一个$d$维向量。对于任意的两个临近数据集$D$和$D^′$，有

$$$ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ GS_f=max_{D,D'}\mid\mid f(D)−f(D')\mid\mid$$ (‖表示曼哈顿距离，也可以是1-范数，定义为

$