动手学差分隐私 [美]约瑟夫·P. 尼尔
¥
42
5.3折
¥
79
全新
仅1件
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
装帧平装
上书时间2024-08-25
商品详情
- 品相描述:全新
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
……
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价