差分隐私DP的一些重要概念

差分隐私DP的一些重要概念

计算机专业研究生在读 – 差分隐私方向
差分隐私技术：能够保证数据集中单个个体的变化对整体数据集的统计结果几乎没有影响，从而为个体敏感信息提供较强的隐私保护

1. DP以概率的形式描述原始数据集的微小变化对最终统计输出的影响，通过隐私参数ε来约束这一概率变化，实现隐私保护目的，ε-差分隐私定义：

上面中的Pr[ . ] 表示随机算法的输出为某个给定生成数据集的概率***。
2.(相邻数据集) 若D与D‘为相邻数据集，那么D’可以通过D添加、删除、修改一条数据*来得到。简单来说就是：两个数据集具有相同的记录个数且仅有一条记录不同。

3、向量范数

4、全局敏感度

上面那个不太好了解的话可以看下面一个–概念是一样的只是写法不一样

某查询的全局敏感度是以两相邻数据集上查询结果的最大l1-范数差值来进行定义的
5、串并行机制
对于一组满足差分隐私的随机算法，组合性质（串 + 并）可保证整体的隐私

个人对于串并行机制的简单理解：串行组合简单来讲就是同一数据集，不同的查询函数(随机算法)。并行组合是不同的数据集，不同查询函数。串行与并行组成原理图如下：
可以通过下面图示来进行简单理解