Perbandingan Library Differential Privacy

(research.kudelskisecurity.com)

5 poin oleh xguru 2020-03-17 | 1 komentar | Bagikan ke WhatsApp

Tujuan "differential privacy" (DP) adalah menyediakan cara untuk menjaga keseimbangan antara privasi dan akurasi data
Library DP menambahkan noise acak ke dataset dengan nilai ε (epsilon)
Perbandingan 3 jenis

IBM/differential-privacy-library (Python)

google/differential-privacy (C++)

brubinstein/diffpriv (R)

Kecuali Google yang menunjukkan nilai error saat menggunakan nilai ε yang sangat kecil, Google dan IBM menunjukkan hasil yang stabil, tetapi diffpriv memperlihatkan variasi tergantung pada nilai ε sehingga perlu berhati-hati

1 komentar

xguru 2020-03-17

Penjelasan tentang Differential Privacy paling mudah dipahami pada bagian yang ada di Microsoftware edisi 395.