其他
密码学基础｜差分隐私入门
背景
差分隐私（Differential Privacy）是通过对原始数据添加随机噪声的方式来保护数据隐私，从应用场景上看和MPC/FHE技术有较大差异。MPC技术适用于平等参与方之间共享数据的应用场景，各个参与方在数据共享和协议运算方面地位对等，各参与方基本平等贡献数据、共同参与密文计算。FHE技术适用计算外包场景，数据方将本方数据加密后上传到外包服务端进行密文计算，这种场景下主要计算工作量在外包服务端，而且外包服务端的计算过程可以对数据提供方保密（适用于算法模型保密应用,可以通过ZKP进行计算结果及准确性验证）。
DP主要是针对多个用户端数据汇总到第三方（服务方）计算的场景。典型应用场景的参与方包括：数据所有者、数据服务方、数据使用者。数据服务方汇总多个数据所有者的数据并进行匿名化处理，然后针对匿名化数据进行运算向数据使用者提供数据服务。有些应用场景下，数据服务方和数据使用者合一。
本地差分隐私和集中差分隐私
随机应答
DP的形式化定义
参考文献
本文参考: Efimov
分享仅供学习参考，若有不当，请联系我们处理。
END
2.论文合集丨10篇大模型（LLM）优秀论文，来自Meta AI、浙大、清华、苏黎世联邦理工学院等前沿机构
推荐