פרטיות דיפרנציאלית
פרטיות דיפרנציאלית (Differential Privacy) היא מסגרת מתמטית מדויקת לפרסום מידע סטטיסטי אודות מערכי נתונים שמכילים נתונים רגישים, תוך הגנה על פרטיותם של הפרטים שהנתונים שלהם נמצאים במערך. היא מאפשרת לשתף מידע אגרגטיבי אודות קבוצה תוך הגבלת המידע שדולף לגבי הפרטים בה.[1][2] זה נעשה על ידי הזרקת רעש מכויל בקפידה לחישובים סטטיסטיים, כך שהתועלת של הסטטיסטיקה נשמרת אבל היכולת להסיק מסקנות על פרטים במערך הנתונים מוגבלת.
ניתן לתאר פרטיות דיפרנציאלית כאילוץ על אלגוריתמים שמפרסמים מידע אגרגטיבי אודות מסד נתונים אשר מגביל את החשיפה של מידע רגיש של רשומות במסד הנתונים. סוכנויות ממשלתיות מסוימות משתמשות באלגוריתמים פרטיים-דיפרנציאלית לפרסום מידע דמוגרפי ומדדים אגרגטיביים אחרים תוך הבטחת הסודיות של תשובות הסקר, וחברות משתמשות בהם לאיסוף מידע על התנהגות משתמשים תוך שליטה במידע אליו חשופים אנליסטים פנימיים.
בניסוח אינטואיטיבי, אלגוריתם נחשב לפרטי-דיפרנציאלית אם צופה החשוף לפלט האלגוריתם לא יכול לדעת אם מידע של אדם מסוים היה חלק מקלט האלגוריתם. פרטיות דיפרנציאלית מגנה מפני זיהוי אנשים שהמידע שלהם עשוי להימצא במסד נתונים. אף על פי שהיא לא מתייחסת ישירות להתקפות זיהוי והתקפות זיהוי מחדש, היא מונעת התקפות כאלה באופן מוכח.[3]
הערות שוליים
- ↑ Hilton, M; Cal (2012). "Differential Privacy: A Historical Survey". Semantic Scholar. נבדק ב-31 בדצמבר 2023.
{{cite web}}: (עזרה) - ↑ Dwork, Cynthia (2008-04-25). "Differential Privacy: A Survey of Results". In Agrawal, Manindra; Du, Dingzhu; Duan, Zhenhua; Li, Angsheng (eds.). Theory and Applications of Models of Computation. Lecture Notes in Computer Science (באנגלית). Vol. 4978. Springer Berlin Heidelberg. pp. 1–19. doi:10.1007/978-3-540-79228-4_1. ISBN 978-3-540-79227-7.
- ↑ Calibrating Noise to Sensitivity in Private Data Analysis by Cynthia Dwork, Frank McSherry, Kobbi Nissim, Adam Smith. In Theory of Cryptography Conference (TCC), Springer, 2006. doi:10.1007/11681878_14. The full version appears in Journal of Privacy and Confidentiality, 7 (3), 17-51. doi:10.29012/jpc.v7i3.405
פרטיות דיפרנציאלית41429371Q5275358