Apresentação introdutória (não matemática) à privacidade diferencial, uma alternativa promissora para atender a demanda crescente de acesso a dados digitais (que em muitos casos podem ser dados pessoais) e
ao mesmo tempo proteger o direito à privacidade. A privacidade diferencial permite medir de forma quantitativa a perda de privacidade (privacy loss) que pode decorrer de consultas feitas em conjuntos de dados, além de oferecer proteção contra diversos ataques de privacidade. Alguns tutoriais de implementação de privacidade diferencial em notebooks em Python (Jupyter Notebooks) são fornecidos como referência.