#隐私保护
共 2 篇相关内容 · 安全漏洞、AI动态、技术文章
技术文章 2
可预测性：一种比差分隐私更精细的隐私度量框架
本文解读Lu与Sridharan的论文，该文提出"基于可预测性的隐私"框架，以攻击者预测能力增量来度量隐私泄露，相比差分隐私的最坏情况假设更精细。框架显式建模攻击者已有知识、数据生成过程和敏感查询族，证明与DP一般不可比但极端场景蕴含MI-DP，并基于广义矩方法推导ERM输出扰动方案。文章从研究动机、技术方法、理论对比到应用前景做了全面中文解读。
当差分隐私遇上可预测性：一种更精细的隐私保护新框架
本文深入解读Linda Lu和Karthik Sridharan发表的最新研究，提出基于可预测性的隐私（Privacy via Predictability）这一全新框架。与传统差分隐私的最坏假设不同，该框架显式考虑攻击者已掌握的部分数据背景，将隐私泄漏量化为攻击者观察算法输出后对敏感信息预测能力的增量提升。文章系统分析了该方法与差分隐私的异同、技术细节、潜在应用及未来方向。