维基百科页面有数学，但也有一个例子，可能有启发性也可能没有启发性：如果您可以向数据库询问第1行到第 n行的列的值的总和，那么对n-1和n的请求允许您重建有关第n行的信息。因此，允许查询“前n行的所有值的总和”并返回确切的结果可能会被滥用来学习每行的确切信息。

差分隐私是一个数学概念，通过该数学概念来衡量数据库保留匿名性的程度（即避免上述问题）。添加随机噪声是一种实现（希望）某种给定级别的差分隐私的方法。这不是唯一可能的方法，但至少实现起来相对简单，我们可以计算出它保护匿名性的程度，即在数学形式中，“数据库”表达式中“ε”的实现值是多少确保ε-差分隐私”。

添加噪音是一种权衡：它以牺牲可用性为代价提供了一些隐私，因为返回的值是“嘈杂的”，因此不精确。如果您想要更多隐私，则必须降低数据库答案的质量。对差分隐私的研究集中在寻找新的算法，以便对统计查询返回更准确的答案，同时更好地保护隐私。这种新颖的算法在数学上很重。