【差分隐私】基本原理与入门级应用 | 京东云技术团队
原文中文，约2000字，阅读约需5分钟。发表于：。差分隐私（Differential Privacy，DP）是密码学中的一种手段，可以提高从统计数据库进行数据查询的准确性，同时帮助最大限度减少识别其具体记录的机会。DP一般分为：CDP（Centralized Differential Privacy）、LDP（Local Differential Privacy）。
差分隐私是一种保护隐私的密码学手段，分为CDP和LDP。LDP需要对数据进行裁剪处理以得到有界全局敏感度，裁剪边界可以根据数据集性质或采用差分隐私问询估计选择。向量值Laplace机制需要使用L1敏感度，而向量值Gaussian机制L1和L2敏感度都可以使用。指数机制可以从备选回复集合中选出最佳结果并保证差分隐私。LDP是一种通过随机响应技术对数据进行扰动的保护隐私的技术。
