Cantitate/Preț
Produs
Total produse
Vezi coșul
The Algorithmic Foundations of Differential Privacy de Cynthia Dwork

The Algorithmic Foundations of Differential Privacy: Foundations and Trends in Theoretical Computer Science

Autor Cynthia Dwork, Aaron Roth
en Limba Engleză Paperback – 30 iul 2014

Problema analizei datelor cu respectarea confidențialității a devenit critică pe măsură ce colectarea informațiilor personale a atins un nivel de detaliu fără precedent. The Algorithmic Foundations of Differential Privacy răspunde acestei provocări tehnice prin furnizarea unui cadru matematic riguros pentru ceea ce numim confidențialitate diferențială. Suntem de părere că această lucrare, semnată de Cynthia Dwork și Aaron Roth, reprezintă resursa definitivă pentru inginerii și cercetătorii care trebuie să implementeze sisteme de analiză capabile să protejeze identitatea subiecților fără a compromite utilitatea statistică a datelor.

Ne-a atras atenția modul în care autorii structurează tranziția de la definiții formale la tehnici algoritmice complexe. Textul nu se limitează la simpla înlocuire a pașilor de calcul non-privați, ci propune o regândire a obiectivului computațional pentru a optimiza rezultatele. Dacă Differential Privacy de Ninghui Li v-a oferit cadrul teoretic și o introducere echilibrată în domeniu, această carte oferă instrumentele practice și fundamentarea algoritmică necesară pentru a înțelege rezistența sistemelor în fața unor adversari cu putere de calcul nelimitată.

Structura narativă a volumului ghidează cititorul prin seturi de interogări, baze de date distribuite și, într-un final, către aplicații avansate în machine learning. Putem afirma că rigoarea cu care sunt tratate complexitatea computațională și limitările inerente ale modelelor de flux de date transformă acest titlu într-un manual tehnic esențial pentru orice specialist în securitatea datelor care dorește să treacă de la concepte abstracte la implementări robuste în lumea reală.

Citește tot Restrânge

Din seria Foundations and Trends in Theoretical Computer Science

Preț: 50044 lei

Preț vechi: 62555 lei
-20%

Puncte Express: 751

Carte tipărită la comandă

Livrare economică 06-20 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781601988188
ISBN-10: 1601988184
Pagini: 300
Dimensiuni: 156 x 234 x 16 mm
Greutate: 0.42 kg
Editura: Now Publishers
Seria Foundations and Trends in Theoretical Computer Science

De ce să citești această carte

Recomandăm această carte profesioniștilor din IT și cercetătorilor care au nevoie de o bază matematică solidă pentru protecția datelor. Veți câștiga o înțelegere profundă a algoritmilor de confidențialitate diferențială, învățând cum să echilibrați precizia analizei cu securitatea informațiilor. Este un ghid practic esențial pentru implementarea soluțiilor de tip query-release și machine learning în medii unde confidențialitatea este nenegociabilă.

Descriere scurtă

The problem of privacy-preserving data analysis has a long history spanning multiple disciplines. As electronic data about individuals becomes increasingly detailed, and as technology enables ever more powerful collection and curation of these data, the need increases for a robust, meaningful, and mathematically rigorous definition of privacy, together with a computationally rich class of algorithms that satisfy this definition. Differential Privacy is such a definition. The Algorithmic Foundations of Differential Privacy starts out by motivating and discussing the meaning of differential privacy, and proceeds to explore the fundamental techniques for achieving differential privacy, and the application of these techniques in creative combinations, using the query-release problem as an ongoing example. A key point is that, by rethinking the computational goal, one can often obtain far better results than would be achieved by methodically replacing each step of a non-private computation with a differentially private implementation. Despite some powerful computational results, there are still fundamental limitations. Virtually all the algorithms discussed herein maintain differential privacy against adversaries of arbitrary computational power -- certain algorithms are computationally intensive, others are efficient. Computational complexity for the adversary and the algorithm are both discussed. The monograph then turns from fundamentals to applications other than query-release, discussing differentially private methods for mechanism design and machine learning. The vast majority of the literature on differentially private algorithms considers a single, static, database that is subject to many analyses. Differential privacy in other models, including distributed databases and computations on data streams, is discussed. The Algorithmic Foundations of Differential Privacy is meant as a thorough introduction to the problems and techniques of differential privacy, and is an invaluable reference for anyone with an interest in the topic.