| 依赖差分隐私：关联数据集下的高斯机制 | |
| 所屬分類：技术论文 | |
| 上傳者：wwei | |
| 文檔大?。?span>927 K | |
| 標簽： 差分隐私 依赖差分隐私 高斯机制 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：差分隐私(Differential Privacy)是一种数据扰动框架，它保证查询结果在概率上不可区分。研究表明差分隐私应用于关联数据集时，将带来隐私泄露的风险。根据依赖差分隐私(Dependent Differential Privacy)，量化了依赖差分隐私敏感度的度量；随后，提出了依赖差分隐私-高斯机制算法(Gaussian Mechanism AlgorithmDependent Differential Privacy)，实现数据扰动，同时证明了该机制满足隐私保证的基本定理；通过使用真实数据集的实验表明，GMADDP在管理依赖数据的隐私-效用权衡方面具有较高的可用性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2