掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
動手學差分隱私 版權信息
- ISBN：9787111741312
- 條形碼：9787111741312 ; 978-7-111-74131-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
動手學差分隱私 本書特色
本書是面向程序員的差分隱私書籍，*初由佛蒙特大學作為數據隱私課程的講義，之后被芝加哥大學、賓夕法尼亞州立大學和萊斯大學選作教學參考書。本書旨在向讀者介紹數據隱私保護領域所面臨的挑戰，描述為解決這些挑戰而提出的技術，并幫助讀者理解如何實現其中的關鍵技術。本書強調動手實踐，包含很多示例和很多概念的具體實現，這些示例和實現都是用可以實際運行的程序編寫的，并提供開源代碼下載。
動手學差分隱私 內容簡介
本書是一本面向程序員的差分隱私書籍，主要介紹數據隱私保護領域所面臨的挑戰，描述為解決這些挑戰而提出的技術，并幫助讀者理解如何實現其中一部分技術。本書前幾章主要介紹去標識化、聚合、k-匿名性等無法抵御復雜隱私攻擊的常用隱私技術。然后通過差分隱私技術、差分隱私的性質、敏感度、近似差分隱私、局部敏感度、差分隱私變體、指數機制、稀疏向量技術、本地差分隱私和合成數據等內容，詳細介紹差分隱私如何從數學和技術角度提供隱私保護能力。<br />
動手學差分隱私 目錄
目 錄
譯者序
第1章 引言 1
第2章 去標識 3
2.1 關聯攻擊 4
2.1.1 重標識出Karrie有多難 5
2.1.2 Karrie很特別嗎 7
2.1.3 可以重標識出多少個個體 8
2.2 聚合 10
2.2.1 小分組問題 10
2.2.2 差分攻擊 11
2.3 總結 12
第3章 k-匿名性 13
3.1 驗證k-匿名性 14
3.2 泛化數據以滿足k-匿名性 15
3.3 引入更多的數據可以減小泛化的影響嗎 17
3.4 移除異常值 19
3.5 總結 20
第4章 差分隱私 21
4.1 拉普拉斯機制 22
4.2 需要多大的噪聲 24
第5章 差分隱私的性質 25
5.1 串行組合性 25
5.2 并行組合性 29
5.2.1 直方圖 30
5.2.2 列聯表 31
5.3 后處理性 32
第6章 敏感度 35
6.1 距離 36
6.2 計算敏感度 37
6.2.1 計數問詢 37
6.2.2 求和問詢 38
6.2.3 均值問詢 39
6.3 裁剪 40
第7章 近似差分隱私 45
7.1 近似差分隱私的性質 46
7.2 高斯機制 46
7.3 向量值函數及其敏感度 48
7.3.1 L1和L2范數 48
7.3.2 L1和L2敏感度 48
7.3.3 選擇L1還是L2 49
7.4 災難機制 49
7.5 高級組合性 50
7.6 近似差分隱私的高級組合性 53
第8章 局部敏感度 55
8.1 均值問詢的局部敏感度 56
8.2 通過局部敏感度實現差分隱私 57
8.3 平滑敏感度 60
8.4 采樣-聚合框架 62
第9章 差分隱私變體 67
9.1 *大散度和瑞麗散度 70
9.2 瑞麗差分隱私 71
9.3 零集中差分隱私 72
9.4 不同差分隱私變體的組合性 73
第10章 指數機制 77
10.1 有限集合的指數機制 78
10.2 報告噪聲*大值 79
10.3 將指數機制作為差分隱私的基本機制 81
第11章 稀疏向量技術 83
11.1 高于閾值算法 83
11.2 應用稀疏向量技術 85
11.3 返回多個問詢結果 89
11.4 應用：范圍問詢 91
第12章 算法設計練習 93
12.1 需要考慮的問題 93
12.2 更普適的采樣-聚合算法 93
12.3 匯總統計 94
12.4 頻繁項 95
12.5 分層查詢 95
12.6 一系列范圍問詢 96
?12.6.1 第1部分 96
?12.6.2 第2部分 96
?12.6.3 第3部分 96
第13章 機器學習 97
13.1 使用scikit-learn實現邏輯回歸 98
13.2 模型是什么 99
13.3 使用梯度下降訓練模型 100
?13.3.1 單步梯度下降 102
?13.3.2 梯度下降算法 103
13.4 差分隱私梯度下降 104
?13.4.1 梯度裁剪 105
?13.4.2 梯度的敏感度 108
13.5 噪聲對訓練的影響 110
第14章 本地差分隱私 113
14.1 隨機應答 114
14.2 一元編碼 118
第15章 合成數據 125
15.1 合成表示：直方圖 126
15.2 增加差分隱私 127
15.3 生成列表數據 129
15.4 生成更多數據列 131
15.5 總結 134
參考文獻 135
譯者序
第1章 引言 1
第2章 去標識 3
2.1 關聯攻擊 4
2.1.1 重標識出Karrie有多難 5
2.1.2 Karrie很特別嗎 7
2.1.3 可以重標識出多少個個體 8
2.2 聚合 10
2.2.1 小分組問題 10
2.2.2 差分攻擊 11
2.3 總結 12
第3章 k-匿名性 13
3.1 驗證k-匿名性 14
3.2 泛化數據以滿足k-匿名性 15
3.3 引入更多的數據可以減小泛化的影響嗎 17
3.4 移除異常值 19
3.5 總結 20
第4章 差分隱私 21
4.1 拉普拉斯機制 22
4.2 需要多大的噪聲 24
第5章 差分隱私的性質 25
5.1 串行組合性 25
5.2 并行組合性 29
5.2.1 直方圖 30
5.2.2 列聯表 31
5.3 后處理性 32
第6章 敏感度 35
6.1 距離 36
6.2 計算敏感度 37
6.2.1 計數問詢 37
6.2.2 求和問詢 38
6.2.3 均值問詢 39
6.3 裁剪 40
第7章 近似差分隱私 45
7.1 近似差分隱私的性質 46
7.2 高斯機制 46
7.3 向量值函數及其敏感度 48
7.3.1 L1和L2范數 48
7.3.2 L1和L2敏感度 48
7.3.3 選擇L1還是L2 49
7.4 災難機制 49
7.5 高級組合性 50
7.6 近似差分隱私的高級組合性 53
第8章 局部敏感度 55
8.1 均值問詢的局部敏感度 56
8.2 通過局部敏感度實現差分隱私 57
8.3 平滑敏感度 60
8.4 采樣-聚合框架 62
第9章 差分隱私變體 67
9.1 *大散度和瑞麗散度 70
9.2 瑞麗差分隱私 71
9.3 零集中差分隱私 72
9.4 不同差分隱私變體的組合性 73
第10章 指數機制 77
10.1 有限集合的指數機制 78
10.2 報告噪聲*大值 79
10.3 將指數機制作為差分隱私的基本機制 81
第11章 稀疏向量技術 83
11.1 高于閾值算法 83
11.2 應用稀疏向量技術 85
11.3 返回多個問詢結果 89
11.4 應用：范圍問詢 91
第12章 算法設計練習 93
12.1 需要考慮的問題 93
12.2 更普適的采樣-聚合算法 93
12.3 匯總統計 94
12.4 頻繁項 95
12.5 分層查詢 95
12.6 一系列范圍問詢 96
?12.6.1 第1部分 96
?12.6.2 第2部分 96
?12.6.3 第3部分 96
第13章 機器學習 97
13.1 使用scikit-learn實現邏輯回歸 98
13.2 模型是什么 99
13.3 使用梯度下降訓練模型 100
?13.3.1 單步梯度下降 102
?13.3.2 梯度下降算法 103
13.4 差分隱私梯度下降 104
?13.4.1 梯度裁剪 105
?13.4.2 梯度的敏感度 108
13.5 噪聲對訓練的影響 110
第14章 本地差分隱私 113
14.1 隨機應答 114
14.2 一元編碼 118
第15章 合成數據 125
15.1 合成表示：直方圖 126
15.2 增加差分隱私 127
15.3 生成列表數據 129
15.4 生成更多數據列 131
15.5 總結 134
參考文獻 135
展開全部
動手學差分隱私 作者簡介
約瑟夫·P. 尼爾（Joseph P. Near） 佛蒙特大學計算機科學系助理教授。他的研究興趣包括數據隱私、計算機安全和編程語言。他在印第安納大學獲得計算機科學學士學位，在麻省理工學院獲得計算機科學碩士和博士學位。
希肯·亞比雅（Chiké Abuah） 計算機科學家，研究方向為數據隱私、網絡安全和自動推理。他在佛蒙特大學獲得計算機科學博士學位。目前，他致力于研究和實現編程語言和分析工具，幫助程序員構建可靠的軟件。他曾在紐約一家初創公司擔任全棧軟件工程師。
書友推薦
- >
史學評論
- >
伊索寓言-世界文學名著典藏-全譯本
- >
姑媽的寶刀
- >
名家帶你讀魯迅:故事新編
- >
巴金－再思錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮虎
本類暢銷
