🔑 名詞卡
隨機擾動（Noise Injection）
🎯 定義
為數值資料加入小幅隨機噪音（如高斯噪音）的基礎匿名化技術，例如將薪資「50,000」擾動為「50,123」，使單筆數據難以反推。
優點與限制
| 面向 | 內容 |
|---|---|
| 應用情境 | 數值型數據分享、統計分析 |
| 優點 | 保留數據統計特性（均值、方差） |
| 限制 | 噪音幅度需平衡：過大影響分析，過小無法保護隱私 |
記憶技巧
「把每個數字輕輕推一下」——個別數字失真，但整體統計結論不變。
易混淆
- vs 差分隱私：兩者都加噪音，但差分隱私是「加入嚴格控制、有數學保證」的噪音（可量化隱私預算 ε）；隨機擾動只是「加點雜訊」的基礎手法，無形式化保證。這是本節最容易被混淆的一組。
- vs 資料分桶（Bucketing）：擾動是「加噪音改變數值」；分桶是「把連續數值切成區間」（「32 歲」→「30-39 歲」）。
📖 課文原文「隨機擾動（Noise Injection）：為數值資料加入小幅隨機噪音（如高斯噪音），如將薪資『50,000』擾動為『50,123』，使單筆數據難以反推。」