• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
AI, Privacy Preserving

Global Differential Privacy vs Local Differential Privacy

Global Differential Privacy vs Local Differential Privacy

Global Differential Privacy è un metodo che prevede l’aggiunta di rumore di fondo alla query usata per l’estrazione dell’informazione dal database.

Questo implica che il database contenga tutte le informazioni private e solamente l’interfaccia di collegamento ai dati sia modificata affinché si preservi la privacy dei data subject.

Distinguiamo un secondo metodo di differential privacy, più sicuro.

Local Differential Privacy aggiunge rumore a ogni singolo datapoint. Ogni osservazione del database è quindi soggetta ad alterazione.

La Local Differential Privacy può avvenire sia post-registrazione che in fase di pre-registrazione del dato: in questo caso ciascun data subject aggiunge rumore alle proprie informazioni prima di salvare sul database.

Questa soluzione garantisce la massima protezione delle informazioni, poiché non è necessario fare affidamento al database owner affinché usi i dati responsabilmente.

Il nostro obiettivo è capire come sviluppare algoritmi di differential privacy sicuri e affidabili.

Osserviamo meglio le differenze!

Global Differential Privacy vs Local Differential Privacy

La strategia principale che può essere adottata per preservare la privacy è dunque quella di aggiungere rumore casuale (random noise) ai dati del database e alle query usate per l’estrazione degli stessi.

Ora la fatidica domanda. Qual è la reale differenza tra questi due sistemi?

Beh, se il database operator fosse una persona fidata, l’unica differenza sarebbe che il Global Differential Privacy producesse risultati più accurati a parità di privacy protection.

Questa strategia richiede però che anche il database owner sia affidabile.

Nel vocabolario della Differential Privacy introduciamo allora il concetto di Trusted Curator:

Il Trusted Curator è il proprietario di un database (database owner) su cui è stato applicato Global Differential Privacy. Ci fidiamo che sia applicato correttamente.

Definizione di Trusted Curator

Con questa definizione, ci salutiamo!

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Febbraio 13, 2020
Tags | deep learning, machine learning, privacy

You Might Also Like

enigma-cripthography-cypbersecurity-data-science-machine-learning-homomorphic-encryption-additive-secret-sharing-deep-learning-privacy-preserving

Introduzione alla Crittografia (Cryptography) | Differential Privacy

Maggio 2, 2020
applied-federated-learning-concepts-deep-learning-pysyft-example-privacy-preserving-predictive-maintenance

Applied Federated Learning & Predictive Maintenance | Code Example

Febbraio 24, 2020

Calcolo somma Monete: sono impazzito e ho concluso niente | Log 3 | Log 4

Dicembre 17, 2018
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino