展开全部

主编推荐语

差分隐私理论与实践指南,揭示数据保护关键技术。

内容简介

差分隐私可以在不泄露数据集中具体个人信息的前提下,准确发布数据集的统计信息。本书详细阐述了差分隐私的理论基础、实际应用以及面临的挑战,覆盖具体算法和数学模型。

全书分为三部分:第一部分介绍差分隐私的理论,详细解释了准备数据和执行差分隐私数据发布所需的各个概念;第二部分探讨差分隐私的应用,包括如何查询不同的数据格式(如搜索日志)以及在机器学习算法中添加差分隐私;第三部分则关注从业者需要了解的重要主题,例如理解隐私攻击、设置隐私参数以及部署首次差分隐私数据发布。

目录

  • 版权信息
  • O'Reilly Media,Inc.介绍
  • 本书赞誉
  • 译者序
  • 前言
  • 第一部分 差分隐私的概念
  • 第1章 欢迎来到差分隐私的世界
  • 1.1历史
  • 1.2差分隐私之前的数据私有化
  • 1.3案例研究:课堂场景中应用差分隐私技术
  • 1.4相邻数据集:个体退出场景分析
  • 1.5敏感度:统计量的变化范围
  • 1.6噪声注入机制
  • 1.7可用工具概览
  • 1.8总结
  • 1.9练习
  • 第2章 差分隐私的基本原理
  • 2.1隐私保护的直观理解
  • 2.2差分隐私的正式化定义
  • 2.3差分隐私模型分类
  • 2.4敏感度深度解析
  • 2.5差分隐私机制总览
  • 2.6差分隐私查询的组合性
  • 2.7差分隐私后处理不变性
  • 2.8使用SmartNoise实现差分隐私查询
  • 2.9总结
  • 2.10练习
  • 第3章 稳定变换
  • 3.1距离度量
  • 3.2c-稳定变换的定义
  • 3.3稳定性是敏感度的充要条件
  • 3.4域描述符
  • 3.5链式变换
  • 3.6度量空间
  • 3.7稳定性的定义
  • 3.8向量值聚合器
  • 3.9实践
  • 3.10总结
  • 3.11练习
  • 第4章 隐私机制
  • 4.1隐私度量
  • 4.2关于隐私机制
  • 4.3交互式查询处理
  • 4.4高于阈值
  • 4.5总结
  • 4.6练习
  • 第5章 隐私的定义
  • 5.1隐私损失随机变量
  • 5.2近似差分隐私
  • 5.3高斯机制
  • 5.4Rényi差分隐私
  • 5.5有界范围机制
  • 5.6隐私损失分布
  • 5.7假设检验解释
  • 5.8总结
  • 5.9练习
  • 第6章 组合范式精要
  • 6.1链式处理
  • 6.2隐私度量转换
  • 6.3组合
  • 6.4分区数据处理
  • 6.5隐私增强
  • 6.6抽样与聚合
  • 6.7隐私候选集选择
  • 6.8总结
  • 6.9练习
  • 第二部分 差分隐私在实践中的应用
  • 第7章 隐私单元深度解析
  • 7.1隐私层级体系
  • 7.2浏览器日志示例:朴素事件级保证
  • 7.3具有无界贡献的数据集
  • 7.4数据集截断
  • 7.5截断阈值的隐私估计
  • 7.6未知域名问题
  • 7.7截断操作的适用场景
  • 7.8总结
  • 7.9练习
  • 第8章 差分隐私统计建模
  • 8.1隐私推理
  • 8.2差分隐私的线性回归
  • 8.3算法选择策略
  • 8.4差分隐私朴素贝叶斯
  • 8.5隐私决策树
  • 8.6总结
  • 8.7练习
  • 第9章 差分隐私机器学习
  • 9.1机器学习模型隐私保护必要性
  • 9.2机器学习术语回顾
  • 9.3差分隐私梯度下降
  • 9.4随机批处理
  • 9.5隐私聚合教师模型
  • 9.6使用PyTorch训练差分隐私模型
  • 9.7总结
  • 9.8练习
  • 第10章 差分隐私合成数据
  • 10.1合成数据的定义
  • 10.2合成数据应用场景
  • 10.3基于边缘分布的合成器
  • 10.4图模型方法
  • 10.5GAN合成器
  • 10.6总结
  • 10.7练习
  • 第三部分 差分隐私的部署
  • 第11章 隐私攻击防护
  • 11.1隐私侵犯的定义
  • 11.2针对表格数据集的攻击
  • 11.3机器学习模型攻击
  • 11.4总结
  • 11.5练习
  • 第12章 数据发布的隐私损失参数
  • 12.1抽样策略
  • 12.2元数据参数
  • 12.3隐私损失预算分配
  • 12.4决策辅助实践
  • 12.5在探索性数据分析的背景下进行决策
  • 12.6自适应隐私参数选择
  • 12.7透明参数选择的潜在风险
  • 12.8总结
  • 12.9练习
  • 第13章 规划你的第一个差分隐私项目
  • 13.1进行差分隐私部署须考虑的事项
  • 13.2差分隐私部署清单
  • 13.3示例项目:课堂场景回归
  • 13.4真实数据发布规范
  • 13.5差分隐私发布表:发布详情标准
  • 13.6结束语
  • 扩展阅读
  • 附录
  • 关于作者
  • 关于封面
  • 推荐阅读
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。