Differential privacy model

Właściwość Differential Privacy modelu można podzielić na dwa typy (modele / settingi):

1. Central - gdy możemy przekazać całość danych serwerowi (ufamy mu) i ten serwer sam nauczy model tak aby differential privacy było zachowane
2. Local - gdy nie ufamy serwerowi i zmiana danych powinna się dziać jeszcze po stronie usera.
3. Shuffled - model z centralnym modelem shufflującym, zobacz źródło: Distributed Differential Privacy via Shuffling; taki model przypomina coś co musimy zaimplementować we Fledge

Źródło: How to DP-fy ML A Practical Guide to Machine Learning with Differential Privacy