CS 229r：数据隐私的数学方法

明确的话题

差分隐私的定义
动机与解释
联动攻击及辅助信息
等效配方（贝叶斯，基于模拟）
差异隐私可以做什么和不可以做什么
基本的差异化私有机制
随机反应
拉普拉斯机制
组合定理
指数机制
用差异隐私回答许多查询
合成数据
私有乘法权重
攻击和下限
重建算法
包装/体积参数
对无状态机制的攻击
差分隐私的计算复杂度
生成合成数据的硬度结果
与叛徒追踪计划的联系
改进的差分私有算法
用于回答许多结构化查询的更快算法
击败最坏情况敏感性的算法
潜在话题
（将根据时间和学生兴趣选择一个子集）
多方差分隐私
计算差分隐私
安全的多方计算
信息论差分隐私的下限
与通信复杂性的联系
微分隐私和学习 牛逼heory
学习任务隐私
增强和差异隐私
查询发布与不可知学习
流媒体算法的隐私
泛私有流算法
持续观察下的隐私
图分析的隐私
对匿名社交网络的攻击
边缘级隐私与节点级隐私
释放图形切割
敏感度受限
差异化隐私和机制设计
基于差分隐私的机制设计
机制设计中的隐私建模
私人均衡计算
拍卖私人数据
差异隐私和统计
隐私保护统计估计、SVM 和回归
稳健的统计数据
替代隐私定义
零知识隐私
人群混合隐私
自然差异隐私
集中差异隐私
k-匿名和变体
查询审计
分析师的隐私
实践中的差分隐私
编程框架：Fuzz、PinQ、Airavat
差分私有算法的实际实现
工作负载优化算法
通过体积/包装参数的上限和下限
通过差异的上限和下限
差异隐私范围之外的隐私问题
行为跟踪和定向广告
歧视
监视

评论
我们将设立一个在线论坛来发表您的意见。您应该始终至少发布一条评论，最好是更多。你的评论应该在讲座前一天晚上的午夜之前发布。以下是阅读和评论时需要考虑的一些示例：
你会如何用几个英语句子概括材料的发展？
引入的关键概念和概念是什么（高级术语和技术术语）？为什么在定义中做出特定选择？如果事物的定义不同会发生什么？
主要结果是什么？您如何描述形式数学陈述背后的概念信息？为什么结果有趣（或不有趣）？他们怎么可能得到改进？

计算机科学 208：数据科学的应用隐私

CS208: Applied Privacy for Data Science
与您所看到的其他任何事物（本课程之外）有哪些可能的联系或相关性？
您觉得哪些点特别令人困惑？
高层次和技术层次的证明你都看懂了吗？你会如何在两个层面解释它们？
材料让我想到了哪些有趣的问题（不仅仅是明确说明的开放问题）？
你会如何画一幅图来说明特定结构中发生的事情？