🔑 名詞卡

PETs（Privacy-Enhancing Technologies，隱私強化技術）

🎯 定義

在保護隱私的同時確保模型性能與數據可用性的進階技術總稱，適用於高度敏感領域（醫療、金融）的 AI 訓練與資料分享情境。

四大 PETs 比較

技術	核心作法	優點	限制
K-匿名 / L-多樣性 / T-接近性	讓每筆資料在準識別欄位上「藏在人群裡」	結構化資料保護顯著、易實現	對非結構化資料效果有限；K 值過高損失精度
差分隱私	加入嚴格控制的隨機噪音，使單筆資料存在與否對結果影響微乎其微	提供數學保證，結構化與非結構化皆適用	噪音降低模型精度；計算成本高
聯邦學習	本地訓練、僅上傳參數更新	原始資料不外流，支援分散式	傳輸成本高；需防參數逆向推導攻擊
同態加密	在密文上直接運算	全程加密，密碼學強保證	計算效率低（尤其 FHE），需高效能硬體

四句話定位：K-匿名「藏在人群裡」／差分隱私「加噪音」／聯邦學習「資料不動模型動」／同態加密「加密狀態下直接算」。

📖 課文原文
「隨著重識別攻擊（如連結攻擊、差分識別分析）和生成式 AI 模型記憶問題的增加，進階隱私強化技術成為高度敏感領域（如醫療、金融）的首選。」