一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。

理解原書如何用兩份資料庫與相近輸出說明差分隱私。

本案例依原書第 3 章的設計模式、範例或流程重組，並非原書正式案例研究。

二、學習目標

• 辨識個人識別資訊的保護目標。
• 解釋輸出 A 與輸出 B 相近的概念。
• 理解差分隱私不保護一般公開資訊。

三、案例情境

原書把差分隱私描述為：分享資料集中的整體模式，同時隱藏個人識別資訊（Personally Identifiable Information, PII）。圖 3-4 比較資料庫 D 經同一演算法得到輸出 A，以及加入某筆個人資料後的 D′ 得到輸出 B；若演算法具差分隱私，僅看輸出統計不易判斷該個人是否在資料集中。

四、開始資料

五、Excel／AI 分析方法

可在 Excel 建立「資料欄位—一般／私人—是否需保護—輸出統計」清冊；若沒有原書提供的實際數值，只做概念比較，不建立假的隱私參數。AI 可協助分類待人工確認的欄位。

六、計算結果

原書沒有提供輸出 A、輸出 B 或隱私參數的實際數字，因此不補造結果。

七、結果分析與管理解讀

管理上最重要的是先區分一般資訊與私人資訊。差分隱私的概念不是把所有資訊都隱藏；原書明確提醒，如果祕密屬於一般資訊，就不在此保護保證之內。

八、AI 提問詞

請根據我提供的欄位清冊，把欄位分成「一般資訊」「私人資訊」「需人工判定」，並說明差分隱私在本案例欲保護的對象；不得虛構任何隱私參數。