作品简介
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。
约瑟夫·P.尼尔（Joseph P.Near）佛蒙特大学计算机科学系助理教授。他的研究兴趣包括数据隐私、计算机安全和编程语言。他在印第安纳大学获得计算机科学学士学位，在麻省理工学院获得计算机科学硕士和博士学位。
希肯·亚比雅（Chiké Abuah）计算机科学家，研究方向为数据隐私、网络安全和自动推理。他在佛蒙特大学获得计算机科学博士学位。目前，他致力于研究和实现编程语言和分析工具，帮助程序员构建可靠的软件。他曾在纽约一家初创公司担任全栈软件工程师。