封面
版权信息
作者简介
译者序
第1章 引言
第2章 去标识
2.1 关联攻击
2.1.1 重标识出Karrie有多难
2.1.2 Karrie很特别吗
2.1.3 可以重标识出多少个个体
2.2 聚合
2.2.1 小分组问题
- APP免费
2.2.2 差分攻击
- APP免费
2.3 总结
- APP免费
第3章 k-匿名性
- APP免费
3.1 验证k-匿名性
- APP免费
3.2 泛化数据以满足k-匿名性
- APP免费
3.3 引入更多的数据可以减小泛化的影响吗
- APP免费
3.4 移除异常值
- APP免费
3.5 总结
- APP免费
第4章 差分隐私
- APP免费
4.1 拉普拉斯机制
- APP免费
4.2 需要多大的噪声
- APP免费
第5章 差分隐私的性质
- APP免费
5.1 串行组合性
- APP免费
5.2 并行组合性
- APP免费
5.2.1 直方图
- APP免费
5.2.2 列联表
- APP免费
5.3 后处理性
- APP免费
第6章 敏感度
- APP免费
6.1 距离
- APP免费
6.2 计算敏感度
- APP免费
6.2.1 计数问询
- APP免费
6.2.2 求和问询
- APP免费
6.2.3 均值问询
- APP免费
6.3 裁剪
- APP免费
第7章 近似差分隐私
- APP免费
7.1 近似差分隐私的性质
- APP免费
7.2 高斯机制
- APP免费
7.3 向量值函数及其敏感度
- APP免费
7.3.1 L1和L2范数
- APP免费
7.3.2 L1和L2敏感度
- APP免费
7.3.3 选择L1还是L2
- APP免费
7.4 灾难机制
- APP免费
7.5 高级组合性
- APP免费
7.6 近似差分隐私的高级组合性
- APP免费
第8章 局部敏感度
- APP免费
8.1 均值问询的局部敏感度
- APP免费
8.2 通过局部敏感度实现差分隐私
- APP免费
8.3 平滑敏感度
- APP免费
8.4 采样-聚合框架
- APP免费
第9章 差分隐私变体
- APP免费
9.1 最大散度和瑞丽散度
- APP免费
9.2 瑞丽差分隐私
- APP免费
9.3 零集中差分隐私
- APP免费
9.4 不同差分隐私变体的组合性
- APP免费
第10章 指数机制
- APP免费
10.1 有限集合的指数机制
- APP免费
10.2 报告噪声最大值
- APP免费
10.3 将指数机制作为差分隐私的基本机制
- APP免费
第11章 稀疏向量技术
- APP免费
11.1 高于阈值算法
- APP免费
11.2 应用稀疏向量技术
- APP免费
11.3 返回多个问询结果
- APP免费
11.4 应用：范围问询
- APP免费
第12章 算法设计练习
- APP免费
12.1 需要考虑的问题
- APP免费
12.2 更普适的采样-聚合算法
- APP免费
12.3 汇总统计
- APP免费
12.4 频繁项
- APP免费
12.5 分层查询
- APP免费
12.6 一系列范围问询
- APP免费
12.6.1 第1部分
- APP免费
12.6.2 第2部分
- APP免费
12.6.3 第3部分
- APP免费
第13章 机器学习
- APP免费
13.1 使用scikit-learn实现逻辑回归
- APP免费
13.2 模型是什么
- APP免费
13.3 使用梯度下降训练模型
- APP免费
13.3.1 单步梯度下降
- APP免费
13.3.2 梯度下降算法
- APP免费
13.4 差分隐私梯度下降
- APP免费
13.4.1 梯度裁剪
- APP免费
13.4.2 梯度的敏感度
- APP免费
13.5 噪声对训练的影响
- APP免费
第14章 本地差分隐私
- APP免费
14.1 随机应答
- APP免费
14.2 一元编码
- APP免费
第15章 合成数据
- APP免费
15.1 合成表示：直方图
- APP免费
15.2 增加差分隐私
- APP免费
15.3 生成列表数据
- APP免费
15.4 生成更多数据列
- APP免费
15.5 总结
- APP免费
参考文献
- APP免费
译者简介
- APP免费
内容简介
更新时间：2024-05-11 19:14:44
完结共97章
倒序