1. Foren
  2. Kommentare
  3. Software-Entwicklung
  4. Alle Kommentare zum Artikel
  5. › Differential Privacy…

So richtig raffe ich es nicht

Expertentalk zu DDR5-Arbeitsspeicher am 7.7.2020 Am 7. Juli 2020 von 15:30 bis 17:00 Uhr wird Hardware-Redakteur Marc Sauter eure Fragen zu DDR5 beantworten.
  1. Thema

Neues Thema Ansicht wechseln


  1. So richtig raffe ich es nicht

    Autor: deisi 05.09.19 - 17:41

    Also ich habe mir das repo angeguckt. So ganz verstehe ich nicht was die Library macht.
    Man hat irgendwo die Rohdaten (die sind dann doch nicht privatisiert) und jetzt erlaubt mir die Bibliothek z.b. median, Mittelwert ... Zu berechnen. Allerdings muss ich noch einen zusätzlichen Epsilon Parameter übergeben der dann definiert wie "privat" das Ergebnis ist. Und was habe ich jetzt gewonnen? Vielleicht verstehe ich das ganze auch komplett falsch.

  2. Re: So richtig raffe ich es nicht

    Autor: scroogie 05.09.19 - 18:01

    Die Idee ist, dass es Daten gibt die Du nicht direkt weitergeben darfst, über die Du aber nützliche Statistiken rechnen kannst, typische statistische SQL Queries. Eine große Herausforderung in solchen Situationen ist, dass man sicherstellen muss, dass man keinen Rückschluss auf die Originaldaten erlaubt. Eine komplett freie Query Engine würde wahrscheinlich die Rekonstruktion aller Originaldaten nur über solche Queries erlauben, einfach indem die Anfragen so speziell gestellt werden und man viele Ergebnisse kombiniert.
    Die Bibliothek hat die angegeben Algorithmen so implementiert, dass formal bewiesen werden kann, dass das nicht möglich ist (Differential privacy). Du tauschst dabei Genauigkeit ein, daher der zusätzliche Parameter.

  3. Re: So richtig raffe ich es nicht

    Autor: spagettimonster 06.09.19 - 03:33

    es gibt nur privacy, oder keine, alles dazwischen ist letztendlich auch wiederum keine.

  4. Re: So richtig raffe ich es nicht

    Autor: BfXa3tv 09.09.19 - 10:54

    Die ersten paar Sätze in Kapitel 1 in diesem Buch sollten da etwas Klarheit bringen: "The Algorithmic Foundations of Differential Privacy" von Cynthia Dwork und Aaron Roth (DOI: 10.1561 <slash> 0400000042).

    "Differential privacy ensures that the same conclusions, for example,
    smoking causes cancer, will be reached, independent of whether any
    individual opts into or opts out of the data set. Specifically, it ensures
    that any sequence of outputs (responses to queries) is 'essentially'
    equally likely to occur, independent of the presence or absence of any
    individual. Here, the probabilities are taken over random choices made
    by the privacy mechanism (something controlled by the data curator),
    and the term 'essentially' is captured by a parameter, epsilon. A smaller
    epsilon will yield better privacy (and less accurate responses)."

  1. Thema

Neues Thema Ansicht wechseln


Um zu kommentieren, loggen Sie sich bitte ein oder registrieren Sie sich. Sie müssen ausserdem in Ihrem Account-Profil unter Forum einen Nutzernamen vergeben haben. Zum Login

Stellenmarkt
  1. ACS PharmaProtect GmbH über RAVEN51 AG, Berlin
  2. über duerenhoff GmbH, Raum Fuldatal
  3. LBS Westdeutsche Landesbausparkasse, Münster
  4. AKKA, Ingolstadt

Golem pur
  • Golem.de ohne Werbung nutzen

Anzeige
Top-Angebote
  1. (Daily Black Deals, u. a. Lexar 128GB SSD für 19,49€, HP Pavilion x360 Convertible für 583...
  2. (u. a. iRobot Roomba Saugroboter für 271,97€, LG OLED65B9DLA für 1.656,19€, Apple AirPods Pro...
  3. 183,99€ (inkl. 10€ Direktabzug)


Haben wir etwas übersehen?

E-Mail an news@golem.de