ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Differential Privacy for Dynamic Data (SpringerBriefs in Control, Automation and Robotics)

دانلود کتاب حریم خصوصی دیفرانسیل برای داده های پویا (SpringerBriefs در کنترل، اتوماسیون و رباتیک)

Differential Privacy for Dynamic Data (SpringerBriefs in Control, Automation and Robotics)

مشخصات کتاب

Differential Privacy for Dynamic Data (SpringerBriefs in Control, Automation and Robotics)

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 3030410382, 9783030410384 
ناشر: Springer 
سال نشر: 2020 
تعداد صفحات: 118 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 33,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Differential Privacy for Dynamic Data (SpringerBriefs in Control, Automation and Robotics) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب حریم خصوصی دیفرانسیل برای داده های پویا (SpringerBriefs در کنترل، اتوماسیون و رباتیک) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Preface
Contents
Notation and Abbreviations
1 Defining Privacy-Preserving Data Analysis
	1.1 Motivation
	1.2 Privacy Attacks
	1.3 Differential Privacy
		1.3.1 Standard Definition
		1.3.2 Definition via Hypothesis Testing
		1.3.3 Basic Composition Theorem and Resilience to Post-processing
		1.3.4 Variations on Differential Privacy
	1.4 Alternative Approaches to Privacy-Preserving Data Analysis
		1.4.1 Statistical Disclosure Limitation, K-anonymity, and Information-Theoretic Approaches
		1.4.2 Privacy, Secrecy and the Role of Cryptography
	1.5 Privacy-Preserving Analysis for Dynamic Data
	References
2 Basic Differentially Private Mechanisms
	2.1 Introduction
	2.2 Laplace and Gaussian Mechanisms
	2.3 Input and Output Mechanisms: Basic Examples
		2.3.1 Adjacency Relations on Individual and Collective Data Streams
		2.3.2 Input Perturbation Mechanisms
		2.3.3 Output Perturbation Mechanisms
		2.3.4 Comparison of Input and Output Perturbation Mechanisms
	References
3 A Two-Stage Architecture for Differentially Private Filtering
	3.1 Introduction
	3.2 Design Methodology for Two-Stage Mechanisms
	3.3 Two-Block Approximation Architecture for LTI Filters
	3.4 Zero-Forcing Equalization Mechanism
		3.4.1 Single-Input Case
		3.4.2 Multiple-Input Case
	3.5 Application to Privacy-Preserving Estimation of Building Occupancy
	References
4 Differentially Private Filtering  for Stationary Stochastic Collective Signals
	4.1 Introduction
	4.2 Linear Minimum Mean Square (Wiener) Smoothing and Filtering
	4.3 Two-Stage Differentially Private LMMSE Estimators
		4.3.1 Lower Bound on MSE for Diagonal Pre-filters
		4.3.2 Pre- and Post-filter Design
	References
5 Differentially Private Kalman Filtering
	5.1 Introduction
	5.2 Differentially Private Kalman Filtering Problems
		5.2.1 Individual Data Streams
		5.2.2 Collective Data Streams
	5.3 Input Perturbation Mechanisms
	5.4 Output Perturbation Mechanisms for Time-Invariant Filters
		5.4.1 Filter Redesign for Stable Systems
		5.4.2 Unstable Systems
		5.4.3 Post-filtering
		5.4.4 Example
	5.5 Optimization of Two-Stage Kalman Filtering Mechanisms: Static First Stage Aggregation
	References
6 Differentially Private Nonlinear Observers
	6.1 Introduction
	6.2 Differentially Private Observer Design
	6.3 Input and Output Perturbation Mechanisms
	6.4 Contracting Systems
		6.4.1 Basic Results
		6.4.2 Effect of Disturbances on Contractive Systems
	6.5 Differentially Private Observers with Output Perturbation
	6.6 Application Examples
	References
7 Conclusion
Appendix A Discrete-Time Stochastic Signals
Appendix B Proof of the Basic Composition Theorem
Appendix  Series Editor Biographies




نظرات کاربران