현재 Laplace 메커니즘을 사용하여 차등 개인 정보 보호 알고리즘을 작성 중입니다.
불행히도 통계에 대한 배경 지식이 없으므로 많은 용어를 알 수 없습니다. 이제 저는 Laplace noise 라는 용어에 걸려 넘어 집니다. 데이터 세트의 차등을 모두 비공개로 만들려면 Laplace 분포에 따라 Laplace 노이즈를 함수 값에 추가하는 것에 대해 이야기하십시오.
(k는 차동 개인 값, f 평가 기능에 의한 반환 값, Y 라플라스 노이즈)
이것은 내가 Wikipedia https://en.wikipedia.org/wiki/Laplace_distribution 에서 가지고있는이 기능에 따라 Laplace 배포에서 임의의 변수를 생성한다는 것을 의미합니까 ?
업데이트 : 위의 함수에서 가져온 100 개의 임의 변수를 플로팅했지만 Laplace 분포를 제공하지는 않습니다 (심지어는 아닙니다). 그러나 Laplace 배포판을 모델링해야한다고 생각합니다.
UPDATE2 :
그것들은 내가 가진 정의입니다.
(라플라스 메커니즘). 함수 f : N ^ {| X |} → R ^ k가 주어지면 Laplace 메커니즘은 다음과 같이 정의됩니다. 여기서 Y는 Lap (∆f / \ epsilon) 에서 추출한 iid 랜덤 변수입니다.
만큼 잘:
Y (X)를 생성하려면 일반적으로 평균이 0이고 Δ (f) / ε 스케일 모수가있는 라플라스 분포를 사용하는 것이 좋습니다.