隱私保護(hù)方法-差分隱私（differentialprivacy）

隱私保護(hù)方法—差分隱私（differentialprivacy）隱私保護(hù)兩種情況01隱私保護(hù)方法——差分隱私（differentialprivacy）02舉例解釋差分隱私03Content目錄01

隱私保護(hù)兩種情況隱私保護(hù)兩種情況從信息時(shí)代開(kāi)始，關(guān)于隱私保護(hù)的研究就開(kāi)始了。隨著數(shù)據(jù)不斷地增長(zhǎng)，人們對(duì)隱私越來(lái)越重視。我們?cè)谟懻撾[私保護(hù)的時(shí)候包括兩種情況。第一種是公司為了學(xué)術(shù)研究和數(shù)據(jù)交流開(kāi)放用戶(hù)數(shù)據(jù)，學(xué)術(shù)機(jī)構(gòu)或者個(gè)人可以向數(shù)據(jù)庫(kù)發(fā)起查詢(xún)請(qǐng)求，公司返回對(duì)應(yīng)的數(shù)據(jù)時(shí)需要保證用戶(hù)的隱私。第二種情況是公司作為服務(wù)提供商，為了提高服務(wù)質(zhì)量，主動(dòng)收集用戶(hù)的數(shù)據(jù)，這些在客戶(hù)端上收集的數(shù)據(jù)也需要保證隱私性。02

隱私保護(hù)方法——差分隱私（differentialprivacy）隱私保護(hù)方法——差分隱私（differentialprivacy）舉個(gè)例子，購(gòu)物公司發(fā)布了購(gòu)物偏好的數(shù)據(jù)，說(shuō)我們有100個(gè)人的購(gòu)物偏好數(shù)據(jù)，其中有10個(gè)人偏愛(ài)購(gòu)買(mǎi)汽車(chē)用品，其他90個(gè)偏愛(ài)購(gòu)買(mǎi)電子產(chǎn)品。如果攻擊者知道其中99個(gè)人是偏愛(ài)汽車(chē)用品還是電子產(chǎn)品，就可以知道第100個(gè)人的購(gòu)物偏好。這樣通過(guò)比較公開(kāi)數(shù)據(jù)和既有的知識(shí)推測(cè)出個(gè)人隱私，就叫做差分攻擊。在2009年，微軟研究院的CynthiaDwork提出差分隱私的概念，差分隱私就是為了防止差分攻擊，也就是說(shuō)盡管攻擊者知道發(fā)布的100個(gè)人的個(gè)人以信息和其中99個(gè)人的信息，他也沒(méi)辦法通過(guò)比對(duì)這兩個(gè)信息獲得第100個(gè)人的信息。隱私保護(hù)方法——差分隱私（differentialprivacy）簡(jiǎn)單來(lái)說(shuō)，差分隱私就是用一種方法使得查詢(xún)100個(gè)信息和查詢(xún)其中99個(gè)的信息得到的結(jié)果是相對(duì)一致的，那么攻擊者就無(wú)法通過(guò)比較（差分）數(shù)據(jù)的不同找出第100個(gè)人的信息。這種方法就是加入隨機(jī)性，如果查詢(xún)100個(gè)記錄和99個(gè)記錄，輸出同樣的值的概率是一樣的，攻擊者就無(wú)法進(jìn)行差分攻擊。03

舉例解釋差分隱私舉例解釋差分隱私舉例解釋差分隱私上圖中D1和D2是兩個(gè)neighboringdatasets，他們只有一條記錄不一致，在攻擊者查詢(xún)“20-30歲之間有多少人偏好購(gòu)買(mǎi)電子產(chǎn)品”的時(shí)候，對(duì)于這兩個(gè)數(shù)據(jù)庫(kù)得到的查詢(xún)結(jié)果是100的概率分別是99%和98%，他們的比值小于某個(gè)數(shù)。如果對(duì)于任意的查詢(xún)，都能滿(mǎn)足這樣的條件，我們就可以說(shuō)這種隨機(jī)方法是