2018_软件学报_本地化差分隐私研究综述

本文综述了本地化差分隐私技术,探讨了其定义、扰动机制(如随机响应和离散/连续型数据处理)、与中心化差分隐私的差异、数据保护框架(交互式与非交互式)、频数统计和均值统计的应用,以及未来研究挑战,如复杂数据类型保护和高维数据分析。
摘要由CSDN通过智能技术生成

2018_软件学报_本地化差分隐私研究综述

2023-08-16
学习目的:
(1)学习综述写作形式
(2)了解本地化差分隐私涉及的内容
(3)For a literature survey of a new field. DP is not a new field but for me it is because I am newcomer.
文章简介:
Category:A survey paper.
Context:Differential Privacy (Book). The content involved includes frequency statistics, disturbance mechanisms, etc.
Correctness:The assumptions appear is valid.
Clarity:I have no idea.

0 知识补充

k-匿名

  • 首先进行数据脱敏(将敏感数据隐藏、变形)
  • 对数据进行泛化(泛化后会产生多条相同记录,最少k条,组成相等集)
  • 当数据集中的任何一条记录受到攻击,始终有k-1条记录的特征与这条数据相同,使攻击者无法区分。

1 基础知识

在中心化差分隐私保护技术提出的数据采集框架的基础上提出了本地化差分隐私保护技术,从本地开始对数据进行保护,使不可信的第三方无法拿到原始数据。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值