| 依赖差分隐私：关联数据集下的高斯机制 | |
| 所属分类：技术论文 | |
| 上传者：wwei | |
| 文档大小：927 K | |
| 标签： 差分隐私 依赖差分隐私 高斯机制 | |
| 所需积分：0分积分不够怎么办？ | |
| 文档介绍：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。 | |
| 现在下载 | |
| VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。 | |
Copyright © 2005-2020 《电子技术应用》版权所有 京ICP备10017138号-2