下载掌阅APP，畅读海量书库
立即打开
这本书满足了实践数据科学家的迫切需求——他们希望在对敏感数据进行统计分析或机器学习时取得一定成果。它全面介绍了学习、实验和正确部署差分隐私（Differential Privacy，DP）所需了解的基本概念和相关问题。书中用通俗易懂的解释和具体的代码示例阐释了抽象的数学内容。这本书的独特之处在于整合了开源的差分隐私软件库，使读者能够立即受益于最先进的技术。我强烈推荐这本书！
——Salil Vadhan，哈佛大学计算机科学与应用数学Vicky Joseph教授，OpenDP联合主任
在过去的18年里，差分隐私已经确立了它作为隐私保护标准的地位。差分隐私的核心承诺很简单：无论攻击者对数据了解多少，当涉及数据分析或机器学习模型的输出时，个人的隐私都能得到保护。
这是一本具有开创性的书，专为那些可能没有隐私保护背景，但需要在处理敏感数据时进行计算，同时避免隐私泄露的数据科学家和工程师而设计。
这本书涵盖了所有基本的差分隐私算法，提供了基于OpenDP库的大量示例和练习。对于希望在实际场景中应用差分隐私的读者来说，这是一项不可或缺的宝贵资源。
——Sergey Yekhanin，微软研究院合伙人级研究经理
对于掌控海量用户数据的企业，安全合规是开展数据业务的前提。面向模型训练、营销激励等业务诉求，差分隐私技术能够满足安全合规要求，且在保证数据可用性与去隐私化处理效率等方面表现突出。这本书从原理到实践全面覆盖，推荐正在做数字化转型的企业与安全技术相关人员学习。
——王彬，华住集团副总裁
对于力求提升数据风险应对能力的单位，先进的数据保护技术是重要保障。面向数据共享、风险预测等业务方向，差分隐私技术能够显著增强数据的风险抵御能力，且在保证数据可用性与风险管控效率等方面表现不凡。推荐正在强化数据风险管理的单位与数据技术相关人员阅读这本书。
——周斌，得物风险管理部总经理
数据的流通是释放其价值的关键，但隐私问题一直是阻碍数据流通的重要因素。这本书深入剖析了差分隐私技术，通过丰富的案例和实践指导，为数据应用从业者详细介绍了如何在数据发布、共享和分析过程中应用差分隐私，确保数据在不同主体之间安全流通，打破数据孤岛，加速数据要素价值的释放，为数据的广泛应用和创新提供了坚实的安全基础，是实现隐私保护与价值挖掘双赢的必备读物。
——夏焕钊，四川大学网络空间安全学院数据安全团队高级技术研究员