差分隐私(二)指数,高斯,拉普拉斯机制

在应用差分隐私进行隐私保护中,需要处理的数据主要分为两大类:

  • 数值查询:一般采用 LaplaceLaplaceLaplace (严格DP)或者高斯机制(松弛DP)对得到数值结果加入随机噪声即可实现差分隐私。

  • 非数值查询:一般采用指数机制并引入一个打分函数,对每一种可能的输出都得到一个分数,归一化之后作为查询返回的概率值。

一 拉普拉斯机制

Laplace分布和机制

拉普拉斯分布

μ=0\mu = 0μ=0 : 中间位置,负数向左,正数向右
b>0b > 0b0 : bbb值越接近0,尺度越大(高)
在这里插入图片描述
方法:利用拉普拉斯将查询得到的单一结果概率化。
原理原始查询结果+拉普拉斯噪声, 使得到的结果跟正常查询得到的结果相差不大。

Laplace机制
其中,f(D)f(D)f(D)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值