这几篇文章写的通俗易懂！
https://zhuanlan.zhihu.com/p/139114240
https://blog.csdn.net/qiu1440528444/article/details/88382916

我写一点补充的內容。

1 用一个例子解释差分隐私

如上图所示，John 的信息出现在第一个数据集中，不在第二个数据集中，但是模型输出是相同的，所以想要获得 John 的数据的对手不能确定数据集中是否存在 John，更不用说数据的内容了。因此，John的隐私得到了保障。

差分隐私通常通过在==模型或统计查询的输入层(本地差分隐私)或输出层(全局差分隐私)添加统计噪声（这种方法居多）==来工作。增加的噪声保证了个人对决策结果的贡献被隐藏起来，但在不牺牲个人隐私的情况下获得了对整体的深入了解。