更改

===ε-差分隐私的定义===

===ε-差分隐私的定义===

设 ε 是一个正实数，而  <math>\mathcal{A}</math> 是一个以数据集作为输入(表示持有数据的受信任方的操作)的随机算法Randomized Algorithm。

设 ε 是一个正实数，而  <math>\mathcal{A}</math> 是一个以数据集作为输入(表示持有数据的受信任方的操作)的随机算法。

让<math>\textrm{im}\ \mathcal{A}</math>表示数学<math>\mathcal{A}</math>的映像。如果对于所有在单个元素上不同（例如一个人的数据）的数据集 <math>D_1</math>和<math>D_2</math> ，以及所有<math>\textrm{im}\ \mathcal{A}</math>的子集<math>S</math>满足:

让<math>\textrm{im}\ \mathcal{A}</math>表示数学<math>\mathcal{A}</math>的映像。如果对于所有在单个元素上不同（例如一个人的数据）的数据集 <math>D_1</math>和<math>D_2</math> ，以及所有<math>\textrm{im}\ \mathcal{A}</math>的子集<math>S</math>满足:

差异化隐私提供了稳健性和鲁棒性保证，其可组合性、对后处理的鲁棒性以及在相关数据存在的情况下的功能损耗，促进了差分隐私机制的模块化设计和分析。

差异化隐私提供了稳健性和鲁棒性保证，其可组合性、对后处理的鲁棒性以及在相关数据存在的情况下的功能损耗，促进了差分隐私机制的模块化设计和分析。

===可组合性===

===可组合性===