[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-differential-privacy::ru":3,"gloss-cluster-differential-privacy::ru":23,"gloss-next-differential-privacy::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"differential-privacy","security","Дифференциальная приватность (Differential Privacy)","Дифференциальная приватность — это математическая гарантия того, что результат анализа (статистика, метрика на дашборде, обученная модель) остаётся практически неизменным независимо от того, включена ли запись любого конкретного человека. Она работает за счёт добавления тщательно откалиброванного случайного шума, регулируемого бюджетом приватности (эпсилон): меньший эпсилон — больше шума и сильнее приватность, больший — точнее числа, но слабее защита. Смысл в том, что наблюдатель не сможет восстановить ни одного человека из результатов даже при наличии сторонних знаний. Для разработчиков это способ делиться агрегированной аналитикой, публиковать бенчмарки или обучать модели на данных пользователей, делая при этом реальное, доказуемое заявление о приватности вместо расплывчатого 'анонимизировано'. Практический совет: это не бесплатно — шум снижает точность, поэтому подход куда лучше подходит для агрегатов и больших наборов, чем для малых когорт или точности на пользователя. Используйте проверенные библиотеки вместо самописного шума и относитесь к бюджету эпсилон как к конечному ресурсу, расходуемому по запросам.","Дифференциальная приватность добавляет калиброванный шум, чтобы результат анализа почти не менялся от наличия записи любого человека — настоящая гарантия.",null,[11,14,17,20],{"slug":12,"name":13},"data-residency","Резидентность данных (Data Residency)",{"slug":15,"name":16},"fine-tuning","Дообучение (Fine-Tuning)",{"slug":18,"name":19},"model-exfiltration","Экстракция модели (Model Exfiltration)",{"slug":21,"name":22},"pii","Персональные данные (PII)",[24,28,32,36,39,42,45,48,51,54,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"audit-log","Журнал аудита (Audit Log)","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"blast-radius","Радиус поражения","2026-08-24T03:30:02+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"break-glass-access","Аварийный доступ (break-glass)","2026-08-24T02:46:38+00:00",{"slug":37,"category":5,"name":38,"updated_at":35},"bridge-letter","Бридж-письмо (bridge letter)",{"slug":40,"category":5,"name":41,"updated_at":35},"business-associate-agreement","Соглашение с бизнес-партнёром (BAA)",{"slug":43,"category":5,"name":44,"updated_at":27},"byok","Собственный ключ шифрования (BYOK)",{"slug":46,"category":5,"name":47,"updated_at":35},"cve","CVE (идентификатор уязвимости)",{"slug":49,"category":5,"name":50,"updated_at":31},"data-classification","Классификация данных",{"slug":52,"category":5,"name":53,"updated_at":35},"data-loss-prevention","Предотвращение утечек данных (DLP)",{"slug":55,"category":5,"name":56,"updated_at":35},"data-minimization","Минимизация данных",{"slug":58,"category":5,"name":59,"updated_at":35},"data-poisoning","Отравление данных (Data Poisoning)",{"slug":61,"category":5,"name":62,"updated_at":35},"data-processing-agreement","Соглашение об обработке данных (DPA)"]