微軟與哈佛大學OpenDP Initiative 合作研發并開源了首個用于差分隱私的平臺。這項工作已持續了將近一年，去年九月，微軟首席數據分析管 John Kahan 曾宣布項目的開展：“我們需要找到一種分析數據的方式，以釋放數據的全部潛力，同時又不冒擁有數據者隱私的風險。”

　　差分隱私（differential privacy）這一概念由來自微軟研究院的 Cynthia Dwork 和哈佛大學計算機科學教授 Gordon McKay 共同研究數年，并于 2006 年提出。它能夠做到在不泄露個體隱私信息的情況下，對整體數據集進行分析，得出有效結論，并防止差分攻擊。

　　這主要是通過添加誤差或噪音來實現。適量的噪音會被添加到統計結果中，以掩蓋單個數據點的貢獻。通過差分隱私保護手段，任何人都無法從數據集中推斷出任何特定的個人信息，甚至無法判斷特定個人是否包含在數據集里。

　　該項技術仍處于發展階段，微軟表示開源平臺對于技術的日趨成熟和廣泛使用都非常重要。“大型且開放的數據集具有超出想象的潛力，而差分隱私平臺為人們貢獻、協作和利用這些數據鋪平了道路”。

　　OpenDP 平臺現已開源，可用于測試及構建。目前包含八個倉庫，平臺系統、核心、算法和樣本示例等等都在其中，主要開發語言為 Python 和 Rust。

總結

以上是生活随笔為你收集整理的微软与哈佛大学合作开源差分隐私平台的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。