动手学差分隐私 [美]约瑟夫·P. 尼尔

图书标准信息

• 作者 （美）约瑟夫·P. 尼尔，（美）希肯·亚比雅
• 出版社 机械工业出版社
• 出版时间 2024-01
• 版次 1
• ISBN 9787111741312
• 定价 79.00元
• 装帧 平装
• 开本 32开
• 页数 288页
• 字数 137千字

【内容简介】

本书是一本面向程序员的差分隐私书籍，主要介绍数据隐私保护领域所面临的挑战，描述为解决这些挑战而提出的技术，并帮助读者理解如何实现其中一部分技术。本书前几章主要介绍去标识化、聚合、k匿名等无法抵御复杂隐私攻击的常用隐私技术。然后通过差分隐私技术、差分隐私的质、敏感度、近似差分隐私、局部敏感度、差分隐私变体、指数机制、稀疏向量技术、本地差分隐私和合成数据等内容，详细介绍差分隐私如何从数学和技术角度提供隐私保护能力。

【作者简介】

:
    希肯·亚比雅（Chike Abuah）计算机科学家，研究方向为数据隐私、网络安全和自动推理。他在佛蒙特大学获得计算机科学博士学位。目前，他致力于研究和实现编程语言和分析工具，帮助程序员构建可靠的软件。他曾在纽约一家初创公司担任全栈软件工程师。

【目录】

译者序

章引言1

第2章去标识3

2.1关联攻击4

2.1.1重标识出karrie有多难5

2.1.2karrie很特别吗7

2.1.3可以重标识出多少个个体8

2.2聚合10

2.2.1小分组问题10

2.2.2差分攻击11

2.3结12

第3章k-匿名13

3.1验证k-匿名14

3.2泛化数据以满足k-匿名15

3.3引入更多的数据可以减小泛化的影响吗17

3.4移除异常值19

3.5结20

第4章差分隐私21

4.1拉普拉斯机制22

4.2需要多大的噪声24

第5章差分隐私的质25

5.1串行组合25

5.2并行组合29

5.2.1直方图30

5.2.2列联表31

5.3后处理32

第6章敏感度35

6.1距离36

6.2计算敏感度37

6.2.1问询37

6.2.2求和问询38

6.2.3均值问询39

6.3裁剪40

第7章近似差分隐私45

7.1近似差分隐私的质46

7.2高斯机制46

7.3向量值函数及其敏感度48

7.3.1l1和l2范数48

7.3.2l1和l2敏感度48

……