کتاب Differential Privacy

مقدمه‌ای قوی و در عین حال قابل دسترس بر ایده، تاریخچه و کاربردهای کلیدی حریم خصوصی تفاضلی—استاندارد طلایی حفاظت از حریم خصوصی الگوریتمی.

حریم خصوصی تفاضلی (DP) رویکردی است که به طور فزاینده‌ای محبوب، اگرچه بحث‌برانگیز، برای محافظت از داده‌های شخصی به شمار می‌رود. DP با وارد کردن اعداد تصادفی با دقت تنظیم شده، به نام نویز آماری، هنگام استفاده از داده‌ها، از داده‌های محرمانه محافظت می‌کند.

گوگل، اپل و مایکروسافت همگی این فناوری را در نرم‌افزار خود ادغام کرده‌اند و اداره سرشماری ایالات متحده از DP برای محافظت از داده‌های جمع‌آوری شده در سرشماری سال 2020 استفاده کرد. در این کتاب، سیمسون گارفینکل ایده‌های اساسی DP را ارائه می‌دهد و به توضیح اینکه چرا DP در محیط غنی از اطلاعات امروزی مورد نیاز است، چرا به عنوان مکانیسم حفاظت از حریم خصوصی برای سرشماری سال 2020 استفاده شد و چرا در برخی جوامع بسیار بحث‌برانگیز است، کمک می‌کند.

هنگامی که از DP برای محافظت از داده‌های محرمانه، مانند یک پروفایل تبلیغاتی مبتنی بر صفحات وب که با مرورگر وب مشاهده کرده‌اید، استفاده می‌شود، نویز وارد شده باعث می‌شود که کسی نتواند آن پروفایل را بگیرد و با قطعیت مطلق، داده‌های محرمانه زیربنایی که پروفایل بر اساس آن محاسبه شده است را مهندسی معکوس کند. این کتاب همچنین تاریخچه DP را شرح می‌دهد و شرکت‌کنندگان کلیدی و محدودیت‌های آن را توصیف می‌کند. در این میان، تاریخچه مختصری از سرشماری ایالات متحده و سایر رویکردهای حفاظت از داده‌ها مانند ناشناس‌سازی و k-ناشناسی را نیز ارائه می‌دهد.