为解决当前信息越来越发达的社会所带来的用户隐私泄露问题，本人所研究的差分隐私模型是一种被广泛认可的严格的隐私保护模型。它通过对数据添加干扰噪声的方式保护所发布数据中潜在的用户隐私信息，从而达到即便攻击者已经掌握了除某一条信息以外的其他信息，该攻击者仍然无法推测出这条信息。因此，这是一种从数据源头彻底切除隐私信息泄露可能性的方法。然而，该模型的最基础来源是基于抽象的数学理论，使得该领域的入门需要较高的门槛。因此写作本文就部分研究该领域所应当掌握的基本知识展开介绍，希望能给有兴趣的同学一点帮助。同时，为使描述本文所述内容更加清晰，本文将使用尽可能准确的语言对其加以表述。
更多信息，参见作者个人主页Jianping Cai's Research Page。