2026年6月5日下午2点，长沙理工大学金盆岭校区六教204室举行了一场题为《隐私计算中的匿名化技术》的通识讲座。讲座由计算机学院李成新博士主讲，围绕隐私计算中的匿名化技术展开，系统介绍了K-匿名及其变体、中心差分隐私、本地差分隐私及其典型实现机制，帮助同学们理解数据隐私保护的基本思想与技术演进路径。

讲座伊始，李成新博士从现实生活中的数据收集、数据泄露和隐私保护需求切入，指出在大数据和人工智能快速发展的背景下，个人信息保护已成为用户、服务提供商和社会治理共同关注的重要问题。随后，他以医疗数据发布为例，介绍了显式标识符、准标识符和敏感属性等基本概念，并说明攻击者可能通过链接攻击将公开数据与外部信息关联，从而推断个体隐私。

在匿名化技术部分，李成新博士重点讲解了K-匿名、l-多样性和t-接近性三类经典方法。他指出，K-匿名的核心思想是将个体隐藏在K个人之中，但在敏感属性高度一致时仍可能造成隐私泄露；l-多样性通过增强组内敏感属性多样性缓解这一问题；t-接近性则进一步要求各匿名组中的敏感属性分布与整体分布保持接近，从而提升隐私保护效果。

随后，讲座介绍了差分隐私的基本思想。李成新博士通过差分攻击示例说明，攻击者可能通过比较相近查询结果推断个体信息。针对这一问题，中心差分隐私通过随机算法对发布结果进行扰动，使攻击者难以判断某一具体个体是否存在于数据集中。在此基础上，他进一步讲解了拉普拉斯机制，说明如何根据查询敏感度向结果中加入噪声，在保证统计可用性的同时实现隐私保护。

讲座最后，李成新博士介绍了本地差分隐私及其核心机制——随机响应技术。他指出，与中心差分隐私依赖可信服务器不同，本地差分隐私要求用户在本地先对数据进行随机化处理，再提交给服务器。通过敏感问题调查的案例，同学们直观理解了随机响应如何在保护个体真实答案的同时，仍能恢复总体统计规律。

本次讲座内容层次清晰、案例生动，系统梳理了从K-匿名及其变体到差分隐私、从中心化保护到本地化保护的技术发展脉络。与会学生表示，通过本次讲座进一步认识到隐私计算在数据安全、智能应用和社会治理中的重要意义，也加深了对匿名化技术和差分隐私基本原理的理解。

（文/李成新 图/李成新 一审/金帅 二审/张建明 三审/刘朝辉）