Основни принципи
Диференциалната поверителност осигурява количествена гаранция: за всеки алгоритъм с параметъра epsilon, въздействието на включването или изключването на конкретна извадка е ограничено от фактора exp(epsilon). По-ниските стойности на epsilon осигуряват по-силна поверителност, но на цената на точността.
AI приложение
Диференциалната поверителност се прилага в машинното обучение за защита на модели, обучени на чувствителни данни. Обучаващите DP техники включват клипиране на градиента и добавяне на стандартен шум.
Компромиси
Диференциалната поверителност изисква внимателно използване въз основа на обучаващите резултати на цената на измерима точност. Използвайте я, когато са необходими формални гаранции за поверителност.