الخصوصية التفاضلية

It matters because it lets organizations share statistics and train models without exposing the individuals behind the numbers.

توفر الخصوصية التفاضلية تعريفًا رسميًا للخصوصية: يجب أن تكون نتائج التحليل هي نفسها تقريبًا سواء كان أي فرد موجودًا في مجموعة البيانات أم لا. ويتم تحقيق ذلك عن طريق إضافة ضوضاء عشوائية تمت معايرتها بعناية إلى النتائج أو الحسابات، بحيث لا يستطيع المهاجم معرفة ما إذا كان شخص معين قد ساهم أم لا. يتم التحكم في القوة من خلال معلمة تسمى epsilon ("ميزانية الخصوصية"): إبسيلون الأصغر يعني المزيد من الضوضاء وخصوصية أقوى ولكن بدقة أقل. هناك نوعان من النكهات الرئيسية. في النموذج المركزي، يحتفظ أمين موثوق بالبيانات الأولية ويضيف تشويشًا إلى الإجابات الصادرة. في النموذج المحلي، يتم تشويه بيانات كل شخص على أجهزته الخاصة قبل أن يغادرها، الأمر الذي لا يتطلب وجود طرف مركزي موثوق به ولكنه يتطلب عادةً مزيدًا من الضوضاء.