Comparação de bibliotecas de Differential Privacy

• O objetivo da "privacidade diferencial" (DP) é fornecer uma forma de manter o equilíbrio entre privacidade e precisão dos dados

• As bibliotecas de DP adicionam ruído aleatório ao conjunto de dados usando o valor ε (épsilon)

• Comparação de 3 opções

IBM/differential-privacy-library (Python)

google/differential-privacy (C++)

brubinstein/diffpriv (R)

• Tirando o fato de que o Google mostra valores de erro com um valor de ε muito pequeno, Google e IBM apresentam resultados estáveis, mas o diffpriv mostra variações dependendo do valor de ε, então é preciso ter cuidado

[xguru]

A explicação sobre Differential Privacy na edição 395 da Microsoftware é a mais fácil de entender.

https://books.google.co.kr/books/…