译者序

能将Joseph P. Near和Chiké Abuah所著的Programming Differential Privacy的中文译本呈现给国内读者，我们感到非常荣幸。作为隐私增强技术领域的关键解决方案，差分隐私的实际应用依赖较为严格的数学证明，这成为差分隐私在普及和应用时所面临的主要困难和挑战。我们很高兴能够为读者提供这样一本面向程序员的差分隐私指南，帮助更多读者轻松入门差分隐私。

我们将书名译为《动手学差分隐私》，体现出这是一本可通过执行代码和实际操作学习差分隐私的书籍。本书涵盖差分隐私的大部分应用场景，作者对理论算法进行了拆解，结合大量的实例提供具体实现，更加生动地解释生涩抽象的理论。理论介绍加案例代码实现的讲解模式，可帮助读者更直观地理解差分隐私。只需要掌握Python代码的基本语法，以及Pandas、NumPy等提供的简单数据处理函数，就可以轻松理解差分隐私技术的实现逻辑。我们相信，本书不仅可以作为读者入门差分隐私的敲门砖，也能够激发读者的兴趣，让更多人参与到差分隐私的研究和应用中，用这一前沿技术为数据提供隐私保护。

这本书不仅是一本全面和系统的差分隐私入门指南，也是我们学习差分隐私的过程记录。为保证翻译的准确性与严谨性，我们在翻译过程中进一步深入研究差分隐私原理、技术和相关的数学概念，通过逐字逐句地阅读原文来理解作者的意图，并尽量通过译文将其准确地传达给读者。基于对原文的理解，我们对部分描述进行了调整，以尽可能保留原文的易读性和趣味性。我们在翻译过程中也发现了原文中的一些错误，并如实反馈给作者。他们对我们的反馈给予了高度肯定，并修改了原著。

在此，我们对所有支持和帮助我们完成翻译的人表示衷心的感谢。在翻译过程中，我们得到了两位作者充分的支持和帮助。特别感谢Joseph P. Near教授，他即时解答了我们在翻译过程中发现和遇到的问题，尽可能减小了我们对相应内容的理解误差。感谢机械工业出版社编辑团队的支持和指导，使本书能够顺利出版。本书的翻译工作得到了国家社科基金重大项目（编号：22&ZD147）和移动应用创新与治理技术工业和信息化部重点实验室开放基金项目（编号：2022IFS080611-K）的支持。

限于我们的水平，书中表达难免有不妥之处，恳请各位读者批评指正。希望您在阅读过程中能够获得愉快和有益的体验，并通过这本书获得知识和启发，将差分隐私应用于实际工作和项目中。同时，也希望这本书能够推动差分隐私在国内的普及和应用。

刘巍然、李双

2023年9月11日