Differential Privacy Library की तुलना

• "Differential Privacy" (DP) का उद्देश्य Privacy और Data Accuracy के बीच संतुलन बनाए रखने का तरीका प्रदान करना है

• DP लाइब्रेरीज़ ε (epsilon) वैल्यू के ज़रिए dataset में random noise जोड़ती हैं

• 3 प्रकार की तुलना

IBM/differential-privacy-library (Python)

google/differential-privacy (C++)

brubinstein/diffpriv (R)

• बहुत छोटे ε वैल्यू वाले Google में error value दिखने के अपवाद को छोड़कर, Google/IBM स्थिर परिणाम दिखाते हैं, लेकिन diffpriv में ε वैल्यू के अनुसार विचलन दिखाई देता है, इसलिए सावधानी बरतनी चाहिए

[xguru]

Differential Privacy की व्याख्या Microsoftware 395वें अंक में दिए गए हिस्से में सबसे आसान तरीके से समझाई गई है.

https://books.google.co.kr/books/…