ডিফারেনশিয়াল প্রাইভেসি

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

ডিফারেনশিয়াল প্রাইভেসি গোপনীয়তার একটি আনুষ্ঠানিক সংজ্ঞা প্রদান করে: ডেটাসেটে একজন ব্যক্তি থাকুক বা না থাকুক, বিশ্লেষণের আউটপুট প্রায় একই হওয়া উচিত। ফলাফল বা গণনায় সাবধানে ক্যালিব্রেট করা এলোমেলো শব্দ যোগ করে এটি অর্জন করা হয়, তাই একজন আক্রমণকারী আত্মবিশ্বাসের সাথে বলতে পারে না যে একজন নির্দিষ্ট ব্যক্তি অবদান রেখেছে কিনা। শক্তি epsilon ('গোপনীয়তা বাজেট') নামক একটি প্যারামিটার দ্বারা নিয়ন্ত্রিত হয়: ছোট এপসিলন মানে আরো শব্দ এবং শক্তিশালী গোপনীয়তা কিন্তু কম নির্ভুলতা। দুটি প্রধান স্বাদ আছে। কেন্দ্রীয় মডেলে, একজন বিশ্বস্ত কিউরেটর কাঁচা ডেটা ধারণ করে এবং প্রকাশিত উত্তরগুলিতে শব্দ যোগ করে। স্থানীয় মডেলে, প্রতিটি ব্যক্তির ডেটা চলে যাওয়ার আগে তাদের নিজস্ব ডিভাইসে শোরগোল হয়, কোন বিশ্বস্ত কেন্দ্রীয় পক্ষের প্রয়োজন হয় না কিন্তু সাধারণত আরও বেশি শব্দের দাবি করে।