自己做的文件粉碎器，对系统基本无平台要求（除非你电脑是win98/95），支持多文件拖放，支持菜单命令（shell），批处理多文件，一次性测底删除，内置文件进程解锁功能，实现强力删除。 这个版本是最新的，改进了界面为列表，支持选中多个文件后同时拖放到程序，添加了文件全进程搜索占用并解锁的功能。

差分隐私基础 Dwork

如何在不泄露用户隐私的前提下，提高大数据的利用率，挖掘大数据的价值，是目前大数据研究领域的关键问题。具体而言，实施大数据环境下的隐私保护，需要在大数据产生的整个生命周期中考虑两个方面：如何从大数据中分析挖掘出更多 的价值；如何保证在大数据的分析使用过程中，用户的隐私不被泄露。本论文将围绕下图所示的大数据隐私保护生命周期模型展开。

一门专业课要求用python实现k-匿名，在github上找的源码发现都不太符合问题，于是就自己改进了一下，算是个小demo吧，在python2下可以成功跑通，直接运行final.py，数据信息存在.csv

这个ppt是我在哔哩哔哩上看“差分隐私机器学习理论算法与应用”时的视频截图，该视频在哔哩哔哩的网址：https://www.bilibili.com/video/av18545545?from=search&seid=12596259961554168901，原视频：《Differentially Private Machine Learning: Theory, Algorithms and Applications(NIPS 2017 Tutorial)》by Kamalika Chaudhuri, Anand D Sarwate http://t.cn/RQWfiWo。如有侵权，可以联系我删除。

在区块链系统中, 隐私保护是一个非常重要的问题. 事实上, 如果交易的金额比较大, 那么交易 的发起者和接收者都不希望将这笔金额公开.利用Borromean 环签名得到对金额承诺消息的最终签名, 则该签名是对隐藏金额的范围证明.

由中科院计算所主办的CCF龙星课程“边缘计算”课程上，主讲老师施巍松教授邀请一位安全方面的专家为我们介绍边缘计算下的安全和隐私保护的相关内容。

Differential Privacy and Applications 差分隐私综述

K-Anonymity要求对于任意一行纪录，其所属的相等集内纪录数量不小于k，即至少有k-1条纪录半标识列属性值与该条纪录相同。

差分隐私（英语：differential privacy）是密码学中的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会。