Differential Privacy(差分隐私)
普通网友
这个作者很懒,什么都没留下…
展开
-
大数据时代下的隐私保护
本文介绍了学术界和工业界对于用户隐私保护的努力成果,其中主要讲到了k-anonymity(k-匿名化),l-diversity(l-多样化),t-closeness 和 ε-differential privacy(差分隐私),并对它们的优缺点进行了分析。数据 v.s. 隐私在大数据的时代,数据成为了科学研究的基石。我们在享受着推荐算法、语音识别、图像识别、无人车驾驶等智能的技术带来的便利的同时转载 2017-09-23 02:27:08 · 929 阅读 · 0 评论 -
LBS隐私保护的一些看法
一、 什么是隐私在当前互联网时代的大背景下,各种通讯互联设备正在迅猛发展,而且随着物联网的发展,各个设备彼此互联,设备之间的信息通讯变得更加频繁。为了给用户提供更好的服务,这些设备往往会收集用的一些隐私信息,从而造成了用户的隐私泄露。首先我们来看一下什么是隐私。根据维基百科中的定义,隐私是个人或者群体保护他们的相关信息的能力,从而实现有选择性的表达与自己相关的内容。隐私的界限因人而异,同时也与个人所转载 2017-10-25 13:47:18 · 2041 阅读 · 1 评论