差分隐私定义
定义1：（ε-差分隐私）对于所有差别至多为一个记录的2个数据集 和 ，给定一个隐私预算 ，Range(K)表示K的取值范围。若算法K满足ε-差分隐私，则对于所有S∈Range(K)，有
公式一
其中，概率Pr[ ]表示事件 的披露风险，即隐私被披露的风险，由算法K的随机性所控制。隐私预算ε表示隐私保护水平，ε越小隐私保护程度越高，一般取值为{0.01,0.1，ln2,ln3}
定义2：（全局敏感性）对于任意一个函数 ,f的全局敏感性定义为
公式二
差分隐私组合特性
差分隐私技术具有序列组合性和并行组合性两种特性，序列组合性强调隐私预算可以在方法的不同步骤进行分配，而并行组合性则是保证满足差分隐私的算法在其数据集的不想交子集的隐私性。
序列组合性：给定数据集合D和n个隐私算法{ ,…, }，且 满足 差分隐私，其中
并行组合性：给定数据集合，将其划分为n个互不相交的子集， ，设M为任一满足ε-差分隐私的隐私算法，则算法M 在 上满足ε-差分隐私。