返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]动手学差分隐私(美)约瑟夫·P.尼尔,(美)希肯·亚比雅978
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: (美)约瑟夫·P.尼尔,(美)希肯·亚比雅著 | (美)约瑟夫·P.尼尔,(美)希肯·亚比雅编 | (美)约瑟夫·P.尼尔,(美)希肯·亚比雅译 | (美)约瑟夫·P.尼尔,(美)希肯·亚比雅绘
    • 出版社: 机械工业出版社
    • 出版时间:2024-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (美)约瑟夫·P.尼尔,(美)希肯·亚比雅著| (美)约瑟夫·P.尼尔,(美)希肯·亚比雅编| (美)约瑟夫·P.尼尔,(美)希肯·亚比雅译| (美)约瑟夫·P.尼尔,(美)希肯·亚比雅绘
    • 出版社:机械工业出版社
    • 出版时间:2024-01-01
    • 版次:1
    • 印次:1
    • 字数:137000
    • 页数:288
    • 开本:32开
    • ISBN:9787111741312
    • 版权提供:机械工业出版社
  • 作者: (美)约瑟夫·P.尼尔,(美)希肯·亚比雅
  • 著: (美)约瑟夫·P.尼尔,(美)希肯·亚比雅
  • 装帧: 平装
  • 印次: 1
  • 定价: 79
  • ISBN: 9787111741312
  • 出版社: 机械工业出版社
  • 开本: 32开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2024-01-01
  • 页数: 288
  • 外部编号: 庄村25670
  • 版次: 1
  • 成品尺寸: 暂无
  • 目    录<br />译者序<br />第1章  引言    1<br />第2章  去标识    3<br />2.1  关联攻击    4<br />2.1.1  重标识出Karrie有多难    5<br />2.1.2  Karrie很特别吗    7<br />2.1.3  可以重标识出多少个个体    8<br />2.2  聚合    10<br />2.2.1  小分组问题    10<br />2.2.2  差分攻击    11<br />2.3  总结    12<br />第3章  k-匿名性    13<br />3.1  验证k-匿名性    14<br />3.2  泛化数据以满足k-匿名性    15<br />3.3  引入更多的数据可以减小泛化的影响吗    17<br />3.4  移除异常值    19<br />3.5  总结    20<br />第4章  差分隐私    21<br />4.1  拉普拉斯机制    22<br />4.2  需要多大的噪声    24<br />第5章  差分隐私的性质    25<br />5.1  串行组合性    25<br />5.2  并行组合性    29<br />5.2.1  直方图    30<br />5.2.2  列联表    31<br />5.3  后处理性    32<br />第6章  敏感度    35<br />6.1  距离    36<br />6.2  计算敏感度    37<br />6.2.1  计数问询    37<br />6.2.2  求和问询    38<br />6.2.3  均值问询    39<br />6.3  裁剪    40<br />第7章  近似差分隐私    45<br />7.1  近似差分隐私的性质    46<br />7.2  高斯机制    46<br />7.3  向量值函数及其敏感度    48<br />7.3.1  L1和L2范数    48<br />7.3.2  L1和L2敏感度    48<br />7.3.3  选择L1还是L2    49<br />7.4  灾难机制    49<br />7.5  高级组合性    50<br />7.6  近似差分隐私的高级组合性    53<br />第8章  局部敏感度    55<br />8.1  均值问询的局部敏感度    56<br />8.2  通过局部敏感度实现差分隐私    57<br />8.3  平滑敏感度    60<br />8.4  采样-聚合框架    62<br />第9章  差分隐私变体    67<br />9.1  优选散度和瑞丽散度    70<br />9.2  瑞丽差分隐私    71<br />9.3  零集中差分隐私    72<br />9.4  不同差分隐私变体的组合性    73<br />第10章  指数机制    77<br />10.1  有限集合的指数机制    78<br />10.2  报告噪声优选值    79<br />10.3  将指数机制作为差分隐私的基本机制    81<br />第11章  稀疏向量技术    83<br />11.1  高于阈值算法    83<br />11.2  应用稀疏向量技术    85<br />11.3  返回多个问询结果    89<br />11.4  应用:范围问询    91<br />第12章  算法设计练习    93<br />12.1  需要考虑的问题    93<br />12.2  更普适的采样-聚合算法    93<br />12.3  汇总统计    94<br />12.4  频繁项    95<br />12.5  分层查询    95<br />12.6  一系列范围问询    96<br />?12.6.1  第1部分    96<br />?12.6.2  第2部分    96<br />?12.6.3  第3部分    96<br />第13章  机器学习    97<br />13.1  使用scikit-learn实现逻辑回归    98<br />13.2  模型是什么    99<br />13.3  使用梯度下降训练模型    100<br />?13.3.1  单步梯度下降    102<br />?13.3.2  梯度下降算法    103<br />13.4  差分隐私梯度下降    104<br />?13.4.1  梯度裁剪    105<br />?13.4.2  梯度的敏感度    108<br />13.5  噪声对训练的影响    110<br />第14章  本地差分隐私    113<br />14.1  随机应答    114<br />14.2  一元编码    118<br />第15章  合成数据    125<br />15.1  合成表示:直方图    126<br />15.2  增加差分隐私    127<br />15.3  生成列表数据    129<br />15.4  生成更多数据列    131<br />15.5  总结    134<br />参考文献     135

    本书是面向程序员的差分隐私书籍,最初由佛蒙特大学作为数据隐私课程的讲义,之后被芝加哥大学、宾夕法尼亚州立大学和莱斯大学选作教学参考书。本书旨在向读者介绍数据隐私保护领域所面临的挑战,描述为解决这些挑战而提出的技术,并帮助读者理解如何实现其中的关键技术。

    本书强调动手实践,包含很多示例和很多概念的具体实现,这些示例和实现都是用可以实际运行的程序编写的,并提供开源代码下载。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购