Differential Privacy（差分隐私）

差分隐私定义了两个相邻数据集上查询结果分布的最大差异不超过ε，通过拉普拉斯机制或指数机制实现。它提供了可证明的隐私保证，且噪声量与敏感度相关。在机器学习中，DP-SGD是常用训练算法。代表应用有Apple的输入法隐私保护、美国人口普查数据发布。