差分隐私保护通过添加噪声使数据失真, 从而起到保护隐私的目的, 对于一个严格定义下的攻击模型, 其具有添加噪声少、隐私泄露风险低的优点。介绍了差分隐私保护的理论基础和最新研究进展, 详细阐述了分类、聚类等差分隐私学习方法的最新研究情况, 介绍了一个差分隐私保护的应用框架PINQprivacy integrated queries, 并对未来的研究发展方向进行了展望。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~