91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
差分隱私：OpenDP理論與實(shí)踐
差分隱私：OpenDP理論與實(shí)踐
Ethan Cowan, Michael Shoemate, Mayana Pereira 著
梁程, 盧夏禹, 陳星任, 李燕宏 譯
出版時(shí)間：2025年09月
頁(yè)數(shù)：292
“這本書(shū)滿足了實(shí)踐數(shù)據(jù)科學(xué)家在對(duì)敏感數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析或機(jī)器學(xué)習(xí)時(shí)的迫切需求。”
——Salil Vadhan
Vicky Joseph計(jì)算機(jī)科學(xué)與應(yīng)用數(shù)學(xué)教授，OpenDP聯(lián)合主任

許多組織如今都會(huì)分析并分享涉及個(gè)人信息的大型敏感數(shù)據(jù)集。無(wú)論這些數(shù)據(jù)集涵蓋的是醫(yī)療細(xì)節(jié)還是財(cái)務(wù)記錄，組織都越來(lái)越難以通過(guò)去身份化、匿名化及其他傳統(tǒng)的統(tǒng)計(jì)披露限制技術(shù)來(lái)保護(hù)個(gè)人信息。這本書(shū)詳細(xì)闡述了針對(duì)此類(lèi)問(wèn)題，差分隱私（DP）如何提供幫助。
作者 Ethan Cowan、Michael Shoemate和Mayana Pereira講解了這些技術(shù)如何讓數(shù)據(jù)科學(xué)家、研究人員和程序員在進(jìn)行統(tǒng)計(jì)分析時(shí)隱藏單個(gè)個(gè)體的信息。你將深入掌握基本的差分隱私概念，學(xué)習(xí)使用開(kāi)源工具生成差分隱私統(tǒng)計(jì)數(shù)據(jù)，探討如何權(quán)衡實(shí)用性和隱私性，并學(xué)會(huì)將差分隱私集成到工作流中。
通過(guò)閱讀本書(shū)，你將學(xué)到：
● 當(dāng)其他數(shù)據(jù)匿名化方法無(wú)法保證隱私時(shí)，差分隱私如何發(fā)揮作用。
● 數(shù)據(jù)集中的個(gè)體隱私保護(hù)包含哪些內(nèi)容。
● 如何在多個(gè)實(shí)際場(chǎng)景和數(shù)據(jù)集中應(yīng)用差分隱私。
● 潛在的隱私攻擊方法，包括重新識(shí)別攻擊的含義。
● 如何在隱私保護(hù)數(shù)據(jù)發(fā)布中使用OpenDP庫(kù)。
● 如何解釋特定差分隱私數(shù)據(jù)發(fā)布所提供的保證。
  1. 前言
  2. 第一部分 差分隱私的概念
  3. 第1章 歡迎來(lái)到差分隱私的世界
  4. 1.1 歷史
  5. 1.2 差分隱私之前的數(shù)據(jù)私有化
  6. 1.3 案例研究：課堂場(chǎng)景中應(yīng)用差分隱私技術(shù)
  7. 1.3.1 隱私保護(hù)與均值計(jì)算
  8. 1.3.2 隱私泄露的防范機(jī)制
  9. 1.4 相鄰數(shù)據(jù)集：個(gè)體退出場(chǎng)景分析
  10. 1.5 敏感度：統(tǒng)計(jì)量的變化范圍
  11. 1.6 噪聲注入機(jī)制
  12. 1.7 可用工具概覽
  13. 1.8 總結(jié)
  14. 1.9 練習(xí)
  15. 第2章 差分隱私的基本原理
  16. 2.1 隱私保護(hù)的直觀理解
  17. 2.1.1 隱私單元
  18. 2.1.2 隱私損失
  19. 2.2 差分隱私的正式化定義
  20. 2.2.1 隨機(jī)響應(yīng)
  21. 2.2.2 隱私侵犯
  22. 2.3 差分隱私模型分類(lèi)
  23. 2.4 敏感度深度解析
  24. 2.5 差分隱私機(jī)制總覽
  25. 2.5.1 拉普拉斯機(jī)制
  26. 2.5.2 拉普拉斯機(jī)制的ε-DP證明
  27. 2.5.3 機(jī)制準(zhǔn)確性分析
  28. 2.5.4 學(xué)生家庭類(lèi)型統(tǒng)計(jì)案例
  29. 2.5.5 指數(shù)機(jī)制
  30. 2.6 差分隱私查詢的組合性
  31. 2.7 差分隱私后處理不變性
  32. 2.8 使用SmartNoise實(shí)現(xiàn)差分隱私查詢
  33. 2.8.1 示例1：差分隱私計(jì)數(shù)
  34. 2.8.2 示例2：差分隱私求和
  35. 2.8.3 示例3：?jiǎn)螖?shù)據(jù)庫(kù)多查詢處理
  36. 2.9 總結(jié)
  37. 2.10 練習(xí)
  38. 第3章 穩(wěn)定變換
  39. 3.1 距離度量
  40. 3.1.1 數(shù)據(jù)集相鄰性
  41. 3.1.2 有界差分隱私與無(wú)界差分隱私
  42. 3.2 c-穩(wěn)定變換的定義
  43. 3.2.1 變換案例：雙重變換
  44. 3.2.2 變換案例：逐行變換
  45. 3.3 穩(wěn)定性是敏感度的充要條件
  46. 3.3.1 變換案例：計(jì)數(shù)
  47. 3.3.2 變換案例：未知大小求和
  48. 3.4 域描述符
  49. 3.5 鏈?zhǔn)阶儞Q
  50. 3.6 度量空間
  51. 3.7 穩(wěn)定性的定義
  52. 3.7.1 變換案例：已知大小求和
  53. 3.7.2 變換案例：已知大小的均值
  54. 3.7.3 變換案例：未知大小的均值
  55. 3.7.4 變換案例：調(diào)整大小
  56. 3.7.5 標(biāo)量聚合器回顧
  57. 3.8 向量值聚合器
  58. 3.8.1 向量范數(shù)、距離和敏感度
  59. 3.8.2 有界范數(shù)數(shù)據(jù)聚合
  60. 3.8.3 分組數(shù)據(jù)
  61. 3.9 實(shí)踐
  62. 3.10 總結(jié)
  63. 3.11 練習(xí)
  64. 第4章 隱私機(jī)制
  65. 4.1 隱私度量
  66. 4.1.1 隱私度量：最大散度
  67. 4.1.2 度量、散度與隱私度量
  68. 4.2 關(guān)于隱私機(jī)制
  69. 4.2.1 隨機(jī)響應(yīng)機(jī)制
  70. 4.2.2 向量拉普拉斯機(jī)制
  71. 4.2.3 指數(shù)機(jī)制
  72. 4.2.4 分位數(shù)評(píng)分變換
  73. 4.2.5 噪聲最大值報(bào)告機(jī)制
  74. 4.3 交互式查詢處理
  75. 4.4 高于閾值
  76. 4.4.1 數(shù)據(jù)流處理
  77. 4.4.2 在線隱私選擇
  78. 4.4.3 流數(shù)據(jù)穩(wěn)定性變換
  79. 4.5 總結(jié)
  80. 4.6 練習(xí)
  81. 第5章 隱私的定義
  82. 5.1 隱私損失隨機(jī)變量
  83. 5.2 近似差分隱私
  84. 5.2.1 截?cái)嘣肼暀C(jī)制
  85. 5.2.2 建議-測(cè)試-發(fā)布
  86. 5.2.3 高級(jí)組合定理
  87. 5.3 高斯機(jī)制
  88. 5.4 Rényi差分隱私
  89. 5.4.1 零集中差分隱私
  90. 5.4.2 基于矩的隱私度量強(qiáng)度分析
  91. 5.5 有界范圍機(jī)制
  92. 5.6 隱私損失分布
  93. 5.6.1 數(shù)值組合
  94. 5.6.2 特征函數(shù)
  95. 5.7 假設(shè)檢驗(yàn)解釋
  96. 5.8 總結(jié)
  97. 5.9 練習(xí)
  98. 第6章 組合范式精要
  99. 6.1 鏈?zhǔn)教幚?
  100. 6.1.1 示例：邊界估計(jì)
  101. 6.1.2 示例：B樹(shù)結(jié)構(gòu)
  102. 6.2 隱私度量轉(zhuǎn)換
  103. 6.3 組合
  104. 6.3.1 自適應(yīng)組合
  105. 6.3.2 里程表和過(guò)濾器
  106. 6.4 分區(qū)數(shù)據(jù)處理
  107. 6.4.1 示例：對(duì)尋求庇護(hù)者的數(shù)據(jù)進(jìn)行分組
  108. 6.4.2 并行組合
  109. 6.4.3 示例：多分位數(shù)計(jì)算
  110. 6.5 隱私增強(qiáng)
  111. 6.5.1 通過(guò)簡(jiǎn)單隨機(jī)抽樣實(shí)現(xiàn)隱私增強(qiáng)
  112. 6.5.2 通過(guò)泊松抽樣實(shí)現(xiàn)隱私增強(qiáng)
  113. 6.5.3 通過(guò)混洗實(shí)現(xiàn)隱私增強(qiáng)
  114. 6.6 抽樣與聚合
  115. 6.7 隱私候選集選擇
  116. 6.8 總結(jié)
  117. 6.9 練習(xí)
  118. 第二部分 差分隱私在實(shí)踐中的應(yīng)用
  119. 第7章 隱私單元深度解析
  120. 7.1 隱私層級(jí)體系
  121. 7.2 瀏覽器日志示例：樸素事件級(jí)保證
  122. 7.3具有無(wú)界貢獻(xiàn)的數(shù)據(jù)集
  123. 7.4 數(shù)據(jù)集截?cái)?
  124. 7.4.1 蓄水池抽樣
  125. 7.4.2 分區(qū)數(shù)據(jù)截?cái)?
  126. 7.4.3 醫(yī)院就診示例：偏差-方差權(quán)衡
  127. 7.5 截?cái)嚅撝档碾[私估計(jì)
  128. 7.6 未知域名問(wèn)題
  129. 7.7 截?cái)嗖僮鞯倪m用場(chǎng)景
  130. 7.7.1 穩(wěn)定性分組變換
  131. 7.7.2 穩(wěn)定性并集變換
  132. 7.7.3 穩(wěn)定性連接變換
  133. 7.8 總結(jié)
  134. 7.9 練習(xí)
  135. 第8章 差分隱私統(tǒng)計(jì)建模
  136. 8.1 隱私推理
  137. 8.2 差分隱私的線性回歸
  138. 8.2.1 充分統(tǒng)計(jì)量擾動(dòng)
  139. 8.2.2 隱私Theil-Sen估計(jì)器
  140. 8.2.3 目標(biāo)函數(shù)擾動(dòng)
  141. 8.3 算法選擇策略
  142. 8.4 差分隱私樸素貝葉斯
  143. 8.4.1 分類(lèi)樸素貝葉斯
  144. 8.4.2 連續(xù)樸素貝葉斯
  145. 8.4.3 機(jī)制設(shè)計(jì)方案
  146. 8.4.4 示例：樸素貝葉斯實(shí)現(xiàn)
  147. 8.5 隱私?jīng)Q策樹(shù)
  148. 8.6 總結(jié)
  149. 8.7 練習(xí)
  150. 第9章 差分隱私機(jī)器學(xué)習(xí)
  151. 9.1 機(jī)器學(xué)習(xí)模型隱私保護(hù)必要性
  152. 9.2 機(jī)器學(xué)習(xí)術(shù)語(yǔ)回顧
  153. 9.3 差分隱私梯度下降
  154. 9.4 隨機(jī)批處理
  155. 9.4.1 并行組合應(yīng)用
  156. 9.4.2 通過(guò)子抽樣實(shí)現(xiàn)隱私增強(qiáng)
  157. 9.4.3 超參數(shù)調(diào)優(yōu)
  158. 9.5 隱私聚合教師模型
  159. 9.6 使用PyTorch訓(xùn)練差分隱私模型
  160. 9.7 總結(jié)
  161. 9.8 練習(xí)
  162. 第10章 差分隱私合成數(shù)據(jù)
  163. 10.1 合成數(shù)據(jù)的定義
  164. 10.2 合成數(shù)據(jù)應(yīng)用場(chǎng)景
  165. 10.3 基于邊緣分布的合成器
  166. 10.4 圖模型方法
  167. 10.5 GAN合成器
  168. 10.6 總結(jié)
  169. 10.7 練習(xí)
  170. 第三部分 差分隱私的部署
  171. 第11章 隱私攻擊防護(hù)
  172. 11.1 隱私侵犯的定義
  173. 11.2 針對(duì)表格數(shù)據(jù)集的攻擊
  174. 11.2.1 記錄鏈接攻擊
  175. 11.2.2 單獨(dú)識(shí)別攻擊
  176. 11.2.3 差分攻擊
  177. 11.2.4 方程系統(tǒng)重構(gòu)攻擊
  178. 11.2.5 追蹤攻擊
  179. 11.2.6 k匿名漏洞
  180. 11.3 機(jī)器學(xué)習(xí)模型攻擊
  181. 11.4 總結(jié)
  182. 11.5 練習(xí)
  183. 第12章 數(shù)據(jù)發(fā)布的隱私損失參數(shù)
  184. 12.1 抽樣策略
  185. 12.2 元數(shù)據(jù)參數(shù)
  186. 12.3 隱私損失預(yù)算分配
  187. 12.4 決策輔助實(shí)踐
  188. 12.4.1 代碼手冊(cè)與數(shù)據(jù)標(biāo)注
  189. 12.4.2 上下文規(guī)范參數(shù)化
  190. 12.5 在探索性數(shù)據(jù)分析的背景下進(jìn)行決策
  191. 12.6 自適應(yīng)隱私參數(shù)選擇
  192. 12.7 透明參數(shù)選擇的潛在風(fēng)險(xiǎn)
  193. 12.8 總結(jié)
  194. 12.9 練習(xí)
  195. 第13章 規(guī)劃你的第一個(gè)差分隱私項(xiàng)目
  196. 13.1 進(jìn)行差分隱私部署須考慮的事項(xiàng)
  197. 13.1.1 部署差分隱私的頻率
  198. 13.1.2 組合與預(yù)算管理
  199. 13.2 差分隱私部署清單
  200. 13.3 示例項(xiàng)目：課堂場(chǎng)景回歸
  201. 13.4 真實(shí)數(shù)據(jù)發(fā)布規(guī)范
  202. 13.4.1 領(lǐng)英經(jīng)濟(jì)圖譜案例
  203. 13.4.2 微軟寬帶數(shù)據(jù)案例
  204. 13.5 差分隱私發(fā)布表：發(fā)布詳情標(biāo)準(zhǔn)
  205. 13.6 結(jié)束語(yǔ)
  206. 擴(kuò)展閱讀
  207. 附錄
書(shū)名：差分隱私：OpenDP理論與實(shí)踐
譯者：梁程, 盧夏禹, 陳星任, 李燕宏 譯
國(guó)內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2025年09月
頁(yè)數(shù)：292
書(shū)號(hào)：978-7-111-78967-3
原版書(shū)書(shū)名：Hands-On Differential Privacy
原版書(shū)出版商：O'Reilly Media
Ethan Cowan
 
Ethan Cowan和哈佛大學(xué)的OpenDP團(tuán)隊(duì)共同開(kāi)發(fā)了一個(gè)差分隱私數(shù)據(jù)分析平臺(tái)。
 
 
Michael Shoemate
 
Michael Shoemate是OpenDP庫(kù)的架構(gòu)師，致力于開(kāi)發(fā)可靠的軟件工具，將差分隱私理論轉(zhuǎn)化為實(shí)際應(yīng)用。
 
 
Mayana Pereira
 
Mayana Pereira是微軟的研究科學(xué)家，也是OpenDP的貢獻(xiàn)者，專(zhuān)注于將隱私和人工智能應(yīng)用于解決社會(huì)問(wèn)題。
 
 
本書(shū)封面上的動(dòng)物是石筆海膽（Heterocentrotus mamillatus）。這種生物的其他常見(jiàn)名稱(chēng)包括棕色鉛筆海膽和紅色鉛筆海膽。
石筆海膽在整個(gè)印度洋一太平洋地區(qū)的珊瑚海底和水域中都能找到，在夏威夷尤其豐富。它隱藏在深達(dá)約10米的洞穴中。幼年石筆海膽可以在巖石下找到。
一般來(lái)說(shuō)，海膽呈球狀，表面覆蓋著帶刺的外皮。石筆海膽較長(zhǎng)的刺長(zhǎng)可達(dá)12厘米，粗約1厘米，足夠堅(jiān)固，可以用來(lái)寫(xiě)字。這種生物的顏色各異，它背部和側(cè)面的長(zhǎng)刺顏色從淺棕色到深棕色，而較短的刺則呈現(xiàn)出明顯不同的深紫黑色或白色。
這種動(dòng)物主要以殼狀珊瑚藻為食，但也會(huì)食用其他類(lèi)型的藻類(lèi)，如雞毛菜屬（Pterocladia）和石莼屬（Ulva）的藻類(lèi)。盡管石筆海膽主要過(guò)著定居生活，因?yàn)樗饕秤秒x它最近的藻類(lèi)，但與其他海膽相比，這個(gè)物種還是比較活躍的。已知它能移動(dòng)到離出發(fā)點(diǎn)達(dá)600厘米遠(yuǎn)的地方，平均每天移動(dòng)96厘米。
雖然某些種類(lèi)的海膽被視為瀕危物種，但目前石筆海膽并不被認(rèn)為是受威脅或處于瀕危狀態(tài)。
購(gòu)買(mǎi)選項(xiàng)
定價(jià)：119.00元
書(shū)號(hào)：978-7-111-78967-3
出版社：機(jī)械工業(yè)出版社