本书是一本面向程序员的差分隐私书籍，主要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一部分技术。本书前几章主要介绍去标识化、聚合、k-匿名性等无法抵御复杂隐私攻击的常用隐私技术。然后通过差分隐私技术、差分隐私的性质、敏感度、近似差分隐私、局部敏感度、差分隐私变体、指数机制、稀疏向量技术、本地差分隐私和合成数据等内容，详细介绍差分隐私如何从数学和技术角度提供隐私保护能力。

W

计算机\安全

能与读者朋友们分享差分隐私这项有趣的技术，我们感到非常兴奋。差分隐私是一个正在不断发展的热门研究方向，并且已经开始对实际应用产生重要影响。我们希望本书能够帮助读者理解差分隐私技术的细节与启示。两位译者出色的翻译工作以及宝贵的修正建议，使得本书的内容更上一层楼。希望大家能喜欢这本书！
——约瑟夫·P. 尼尔（Joseph P. Near），本书作者，还著有Differential Privacy for Databases

近年来，数据安全受到社会各界的高度重视，差分隐私（及其变体）是我们已知的唯一能从数学角度提供可证明隐私保护能力的方法。其中，去标识化、聚合等技术是常用的隐私技术，但是这些技术近期已被证明无法抵御复杂的隐私攻击。因此，差分隐私正迅速成为隐私保护的黄金标准，这正是本书关注的隐私技术。

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。