So sánh các thư viện Differential Privacy

• Mục tiêu của "bảo vệ quyền riêng tư vi sai" (DP) là cung cấp một phương pháp để duy trì sự cân bằng giữa quyền riêng tư và độ chính xác của dữ liệu

• Các thư viện DP thêm nhiễu ngẫu nhiên vào tập dữ liệu bằng giá trị ε (epsilon)

• So sánh 3 loại

IBM/differential-privacy-library (Python)

google/differential-privacy (C++)

brubinstein/diffpriv (R)

• Ngoại trừ việc Google với giá trị ε rất nhỏ cho thấy giá trị lỗi, thì Google/IBM cho kết quả ổn định, còn diffpriv cho thấy độ lệch tùy theo giá trị ε nên cần lưu ý

[xguru]

Phần giải thích về Differential Privacy trong số 395 của Microsoftware là dễ hiểu.

https://books.google.co.kr/books/…