ฉันทราบดีว่าเราสามารถวัดความเป็นส่วนตัวด้วย ε-ส่วนต่างความเป็นส่วนตัว (ε-DP). แต่เมื่อเราใช้ DP เราจะเลือกค่าสำหรับ ε ได้อย่างไร มีกฎง่ายๆหรือไม่? เป็นการพิจารณาเป็นรายกรณีไปหรือไม่? โดยทั่วไป เราจะตัดสินใจได้อย่างไรว่าเรามีความเป็นส่วนตัวเพียงพอเมื่อใช้อัลกอริทึมที่เป็นไปตามข้อกำหนด ε-DP
ในกระดาษ 2019 ความเป็นส่วนตัวที่แตกต่างในทางปฏิบัติ: เปิดเผย Epsilons ของคุณ!ผู้เขียน Dwork, Kohli, Mulligan สรุปสถานการณ์ดังนี้:
เราพบว่า ไม่มีฉันทามติที่ชัดเจนเกี่ยวกับวิธีการเลือกεหรือข้อตกลงเกี่ยวกับวิธีการเข้าถึงสิ่งนี้และการตัดสินใจดำเนินการที่สำคัญอื่นๆ ด้วยความสำคัญของรายละเอียดเหล่านี้ จึงมีความจำเป็นสำหรับการเรียนรู้ร่วมกันในชุมชนความเป็นส่วนตัวที่แตกต่างกัน
พวกเขาเสนอ "Epsilon Registry" ซึ่งแอปพลิเคชันของ DP สามารถระบุตัวเลือก ε ได้ ที่ใกล้เคียงที่สุดกับรีจิสทรีที่ฉันสามารถหาได้คือ รายการการใช้งาน DP ในโลกแห่งความเป็นจริงนี้ โดย Damien Desfontaines ตั้งแต่เดือนมกราคม 2021
ฉันยังพบสิ่งนี้ บล็อกโพสต์ล่าสุดจาก NIST ซึ่งกล่าวว่า "แท้จริงแล้ว ε หมายถึงอะไร และเราควรตั้งค่าอย่างไร ขออภัย เรายังไม่มีคำตอบที่เป็นเอกฉันท์สำหรับคำถามนี้"แต่จากนั้นก็ให้คำแนะนำเชิงตัวเลขอย่างกว้างๆ:
- มีมติเป็นเอกฉันท์ว่าค่า ε ในเลขหลักเดียวต่ำ (เช่น 0 < ε < 5) เป็นตัวเลือกที่อนุรักษ์นิยม และจะให้การปกป้องความเป็นส่วนตัวที่แข็งแกร่ง
- ประสบการณ์ที่เพิ่มขึ้นกับระบบที่ปรับใช้แสดงให้เห็นว่าค่า ε ที่มากขึ้น (เช่น 5 < ε < 20) ยังให้การปกป้องความเป็นส่วนตัวที่แข็งแกร่งในการตั้งค่าที่หลากหลาย
- ในบางบริบท ค่า ε ที่สูงขึ้น (เช่น ε > 20) อาจยังคงให้การปกป้องความเป็นส่วนตัวที่มีความหมาย แต่จำเป็นต้องมีประสบการณ์มากขึ้นเพื่อทำความเข้าใจการตั้งค่านี้
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
