题名:
动手学差分隐私   / (美) 约瑟夫·P. 尼尔, 希肯·亚比雅著 , 刘巍然, 李双译
ISBN:
978-7-111-74131-2 价格： CNY79.00
语种:
chi
载体形态:
136页 图 24cm
出版发行:
出版地： 北京 出版社： 机械工业出版社 出版日期： 2024
内容提要:
本书主要介绍数据隐私保护领域所面临的挑战，以及为解决这些挑战而提出的技术，并帮助读者理解如何实现这些技术。本书前几章主要介绍去标识化、聚合、k-匿名性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、差分隐私的性质、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。 
主题词:
隐私权   数据采掘
中图分类法:
TP311.131 版次： 5
主要责任者:
尼尔 著
主要责任者:
亚比雅 著
次要责任者:
刘巍然 译
次要责任者:
李双 译
责任者附注:
约瑟夫·P. 尼尔(Joseph P. Near)，佛蒙特大学计算机科学系助理教授。他的研究兴趣包括数据隐私、计算机安全和编程语言。 
责任者附注:
希肯·亚比雅(Chiké 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。 
责任者附注:
刘巍然，阿里巴巴集团高级安全专家，北京航空航天大学通信与信息系统博士，知乎密码学领域优秀回答者。现从事差分隐私、安全多方计算、高级密码学技术等数据安全与隐私保护技术的研究和实现工作，是隐私计算开源算法库mpc4j的负责人与核心开发人员。 
责任者附注:
李双，阿里巴巴集团联邦学习开发工程师，电子科技大学网络空间安全硕士。现从事联邦学习、差分隐私深度学习等数据安全与隐私保护技术相关的工程开发工作。