DP View
===

###### tags: `differential privacy`

## Code
S1 367~377
[argparse](https://docs.python.org/zh-tw/3/howto/argparse.html)
1. float_precision=“round_trip”, 所有資料當作string讀取,解決小數位過長
1. low_memory=False，pandas在讀csv的时候就不分块读了，而是直接将文件全部读取到内存里面，这样只需要对整体进行一次判断，就能得到每一列的类型。

S2 378~398
S3 399~443
S4 444~613
S5 617~628

---
## DP View

http://35.188.140.151/zh-hant/home/

帳號:asd
密碼:1qazxcvb

1. 就是用上面系統可是試用看看, 基本上input data沒有限制

2. S4的概念基本上就是假設count table在加完雜訊之後有些變成負值這明顯不對(count一定大於等於0)或是非整數, 則加以校正

3. S3程式目前沒有特別print出來或是save成獨立檔案
---
## 差分隱私的背景
20 世紀90 年代，美國馬薩諸塞州發生了著名的隱私洩露事件。該州集團保險委員會(GIC)發布了“經過匿名化處理的”醫療資料，用於公共醫學研究。在資料發布之前，為了防止隱私洩露問題，特地刪除了資料中所有的個人敏感訊息，例如身份證號、姓名、住址。然而在1997 年，卡內基梅隆大學的博士Latanya Sweeney將匿名化的GIC資料庫（包含了每位患者生日、性別、地址）與選民登記記錄相連後，成功破解了這份匿名資料，並找到了當時的馬薩諸塞州州長William Weld的醫療記錄。

30年後，在2018年又發生了多起隱私資料洩露事件。 Facebook用戶隱私資料洩露被罰款16億美元，圓通10億快遞訊息洩露，萬豪酒店5億用戶開房資訊洩露，華住酒店5億條用戶資料疑似洩露，國泰航空940萬乘客資料等等，隱私洩露問題層出不窮，隱私保護當是重中之重。

## 隱私保護的目的
我們希望，資料使用隱私保護技術後，可以安全發布，攻擊者難以去匿名化，同時又最大限度的保留原始資料的整體訊息，保持其研究價值。當前的研究重點主要在兩個方面：

隱私保護技術能提供何種強度的保護，能夠抵禦何種強度的攻擊；

如何在保護隱私的同時，最大限度地保留原資料中的有用訊息。

## 如何實現差分隱私
那具體怎麼實現呢？一個很自然而然的想法是“加雜訊”。差分隱私可以通過加適量的干擾雜訊來實現，目前常用的添加雜訊的機制有**拉普拉斯機制**和**指數機制**。其中拉普拉斯機制用於保護數值型的結果，指數機制用於保護離散型的結果。

那什麼叫適量的雜訊，多少才是合適的，如何衡量呢？加入雜訊的量和資料集是有關係的，年齡資料集的數據間差異就沒有薪水資料集的數據差異大，要添加的雜訊的量就不一致。敏感度是決定該加多少雜訊的重要因素。

## 常態分布

常態分佈，又名高斯分布（英語：Gaussian distribution）、正規分布，是一個非常常見的連續機率分布。常態分布在統計學上十分重要，經常用在自然和社會科學來代表一個不明的隨機變數。

常態分布的數學期望值或期望值等於位置母數，決定了分布的位置；其變異數的平方或標準差等於尺度母數，決定了分布的幅度。
## 拉普拉斯分布

拉普拉斯分布 (Laplace distribution) 是以皮耶-西蒙·拉普拉斯的名字命名的一種連續機率分布。
拉普拉斯分佈的密度函數，可以看作是兩個指數分佈函數的概率密度“背靠背”拼接在一起。 （事實上拉普拉斯分佈與指數分佈確實有很密切的關係）

拉普拉斯分布的機率密度函數讓我們聯想到常態分布，但是常態分布是用相對於 μ 平均值的差的平方來表示，而拉普拉斯機率密度用相對於平均值的差的絕對值來表示。因此，拉普拉斯分布的尾部比常態分布更加平坦。
### SciPy&Numpy
透過[SciPy](https://scipy.org/)我們可以使用裡面的scipy.stats.laplace()。
而安裝前亦要安裝[Numpy](https://numpy.org/)這個套件，以上兩個套件比較偏向資料科學，畢竟分布本來就屬於機率與統計的範疇。

[安裝](http://yhhuang1966.blogspot.com/2020/04/python-scipy.html)完按照[這裡](https://www.geeksforgeeks.org/python-laplace-distribution-in-statistics/?ref=lbp)可以做出一些簡單的拉普拉斯分布。

### Matplotlib
若是安裝[Matplotlib](https://matplotlib.org/)則可以畫出一些函數，雖然最後成功裝好了但我在安裝過程遇到一些版本問題，若是之後有要安裝可能要注意一下。

若之後有要繼續深入研究可以參考SciPy的[官方文件](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.laplace.html)