Differential Privacy

Framework matematico che aggiunge rumore controllato ai dati per proteggere la privacy individuale, mantenendo accurati i risultati aggregati.

Il meccanismo garantisce che la presenza o assenza di un individuo nel dataset cambi pochissimo il risultato. Il parametro epsilon regola il compromesso tra protezione e precisione, con valori piccoli più protettivi. Google lo usa in Chrome, Apple nella tastiera predittiva. Nell'AI è applicato durante il training per evitare che il modello memorizzi dati sensibili. La garanzia è matematica, a differenza dell'anonimizzazione convenzionale che può essere revertita.