数据分享中的差分隐私保护 论文笔记

1  K-匿名 ：泛化后的每一条记录都要至少与k - 1条 其他记录完全一致

2 一致性攻击： 所有K条记录有相同的属性，从而能使得攻击者推测出某个人的此属性

3 l- 多样：在k- 匿名的基础上，l- 多样进一步保证了在任意一个等价类中每个敏感属性（如“ 疾病”） 至少有 l 个不同的值， 从而避免了一致性攻击。
4  差分隐私：对于任意一对相邻数据库（定义为差别最多有一个记录的两个数据库）D1 和 D1，任意一个可能的带噪中间件 S，一个提供ε- 差分隐私保护的算法 A 必须满足 ：Pr[A (D 1 )=S] ≤ exp(ε) ·Pr[A(D2 )=S]