# 差分隐私

> 一种数学定义的隐私标准。

- ID: m05026
- 分类: technical
- 领域: 数学

## 定义

一种数学定义的隐私标准。通过在数据集中加入干扰噪声，使得查询结果对于“数据集中是否包含某个人”不敏感。即：无论你是否在数据库里，输出结果几乎一样。脚手架作用： 数据利用与隐私的兼容解。在监控资本主义时代，这是保护个人尊严的技术防线。它允许机构分析群体趋势（如疫情分布），而无法逆向锁定个体身份。

## 机制

在数学上保证：任一单条记录的加入或删除，都几乎不改变查询结果分布（由隐私参数 ε 控制）。通过对查询加可控噪声（如拉普拉斯/指数机制）实现"个体不可识别但群体可统计"。

## 练习

定义查询与敏感度（单条记录对结果的最大影响）；按 ε 选择噪声尺度；在聚合层加噪后发布；对多次查询做预算累加以防隐私泄漏。

## 脚手架用法

数据利用与隐私的兼容解。在监控资本主义时代，这是保护个人尊严的技术防线。它允许机构分析群体趋势（如疫情分布），而无法逆向锁定个体身份。

[阅读网页](https://thinkingmodels.site/entries/detail/m05026)