差分隐私
教材《人工智能导论》8.5.2 / 内部第3点 · 已审核
通俗解释
差分隐私通过向数据或计算结果中添加可控噪声来防止攻击者利用模型输出反推原始数据与特定个体的对应关系，从而实现隐私保护。 差分隐私通过严格调节噪声强度，在数据可用性与隐私保护之间取得平衡，保证在数据集中增加或删除任意一条记录时，算法输出的结果不会出现显著差异，从而避免个体信息被精准识别与泄露。
例子
发布群体统计结果前加入可控噪声，降低从结果反推出单个成员信息的风险。
容易混淆
加噪保护隐私也会影响统计精度，隐私与可用性需权衡。
检查理解
用自己的话解释“差分隐私”在“数据隐私保护方法”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：差分隐私通过向数据或计算结果中添加可控噪声来防止攻击者利用模型输出反推原始数据与特定个体的对应关系，从而实现隐私保护。 差分隐私通过严格调节噪声强度，在数据可用性与隐私保护之间取得平衡，保证在数据集中增加或删除任意一条记录时，算法输出的结果不会出现显著差异，从而避免个体信息被精准识别与泄露。 示例：发布群体统计结果前加入可控噪声，降低从结果反推出单个成员信息的风险。