حفظ حریم خصوصی داده‌ها هنگام انتشار آنها مساله مهمی است به همین دلیل از حریم خصوصی تفاضلی استفاده می‌شود. اما روش‌های موجود، حریم خصوصی مناسبی… ادامه »PrivBayes: Private Data Release via Bayesian Networks
در سال‌های اخیر، انتشار داده‌ها با حفظ حریم خصوصی آنها توجه زیادی را به خود جلب کرده است. روش‌های حریم خصوصی تفاضلی موجود برای زمانی… ادامه »DPPro: Differentially Private High-Dimensional Data Release via Random Projection
در این مقاله به بررسی سازوکار «انتشار داده‌های خصوصی با ابعاد بالا» می‌پردازیم که به اختصار آن را DP2-Pub می‌نامیم و از دو مرحله‌ی خوشه‌بندی… ادامه »DP2-Pub: Differentially Private High-Dimensional Data Publication with Invariant Post Randomization
افراد مختلف حساسیت‌های متفاوتی نسبت به اطلاعات خود دارند. برای مثال ممکن است فردی دوست نداشته باشد که دیگران حقوقش را بدانند اما برای شخص… ادامه »Conservative or liberal? Personalized differential privacy
در این ارائه به بررسی اصول و مفاهیم اساسی حریم خصوصی تفاضلی پرداخته شده و نتایج استفاده از آن برای جمع‌آوری داده‌های سرشماری توسط اداره… ادامه »ارائه: حریم خصوصی تفاضلی در اداره سرشماری ایالات متحده
این نوشته برگرفته از یک کارگاه آموزشی است که توسط IWCIT و برای دانشگاه‌هایی از جمله شریف برگزار شد. مدرس این دوره، دکتر Gautam Kamath… ادامه »کارگاه آموزشی مقدمه‌ای بر حریم خصوصی تفاضلی
کارگاه آموزشی مقدمه‌ای بر حریم خصوصی تفاضلی به عنوان بخشی از IWCIT 2022 توسط دکتر Gautam Kamath استاد دانشگاه تورنتو کانادا در تاریخ ۲۱ اردیبهشت… ادامه »کارگاه: مقدمه‌ای بر حریم خصوصی تفاضلی
مقاله حاضر نسخه اصلاح شده‌ای از حریم خصوصی تفاضلی اولیه بر مبنای Rényi divergence ارائه کرده است. تا پیش از این نسخه‌های سهل‌گیرانه‌تری برای حریم خصوصی تفاضلی… ادامه »Rényi Differential Privacy
برای دانلود اسلایدهای ارائه حریم خصوصی تفاضلی در کلان‌داده اینجا کلیک کنید.
برای دانلود اسلایدهای ارائه حریم خصوصی کلان‌داده اینجا کلیک کنید.