differential privacy 学习笔记(二)

拉普拉斯实现机制

拉普拉斯分布

如果一个随机变量的概率密度函数满足在这里插入图片描述
那么称这个随机变量满足拉普拉斯分布,其中b是尺度参数,u是位置参数,其分布图如下:
在这里插入图片描述
均值为u,方差为2b^2

敏感度

对于一个查询函数q(),敏感度函数S(q)定义为:函数在邻近数据集D和D’上查询结果差值的最大值即为敏感度S(q)。
例如对于求和查询函数,敏感度S(q)=1

拉普拉斯机制的实现

如果对于一个查询函数q的敏感度为S,那么算法A(D)=q(D)+Lap(S(q)/ε),服从ε-差分隐私。
证明过程如下:
在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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