高斯机制：差分隐私（Differential Privacy）中常用的一种加噪方法，向统计结果中加入服从正态分布（高斯分布）的随机噪声，以在尽量保持数据可用性的同时保护个体隐私。
/ˈɡaʊ.si.ən ˈmɛk.ə.nɪ.zəm/
The Gaussian mechanism adds normal noise to protect privacy.
高斯机制通过加入正态分布噪声来保护隐私。
To publish the model’s gradients privately, we used the Gaussian mechanism with carefully chosen variance based on sensitivity and the target privacy budget.
为了在保护隐私的前提下发布模型梯度，我们使用高斯机制，并根据敏感度与目标隐私预算精心设定噪声方差。
“Gaussian” 源自数学家 Carl Friedrich Gauss（高斯），指与高斯/正态分布相关；“mechanism” 来自希腊语 mēkhanē，本义为“装置、方法”，在现代技术语境中常指一套实现某目标的规则或流程。合起来，“Gaussian mechanism” 即“用高斯噪声实现（隐私保护等目标）的机制/方法”。
Select Language