গুগল গোপনীয় তথ্য প্রক্রিয়াকরণের জন্য লাইব্রেরি কোড খোলে

গুগল প্রকাশিত লাইব্রেরি সোর্স কোড "ডিফারেনশিয়াল গোপনীয়তা» পদ্ধতি বাস্তবায়নের সাথে ডিফারেনশিয়াল গোপনীয়তা, এটিতে পৃথক রেকর্ড সনাক্ত করার ক্ষমতা ছাড়াই যথেষ্ট উচ্চ নির্ভুলতার সাথে একটি ডেটা সেটে পরিসংখ্যানগত ক্রিয়াকলাপ সম্পাদন করার অনুমতি দেয়। লাইব্রেরি কোড C++ এ লেখা আছে এবং খোলা Apache 2.0 এর অধীনে লাইসেন্সপ্রাপ্ত।

ডিফারেনশিয়াল গোপনীয়তা পদ্ধতি ব্যবহার করে বিশ্লেষণ সংস্থাগুলিকে পরিসংখ্যানগত ডাটাবেস থেকে বিশ্লেষণাত্মক নমুনা তৈরি করতে দেয়, তাদের ডেটা আলাদা করতে এবং সাধারণ তথ্য থেকে নির্দিষ্ট ব্যক্তির পরামিতিগুলিকে আলাদা করার অনুমতি না দিয়ে। উদাহরণস্বরূপ, রোগীর যত্নের পার্থক্য সনাক্ত করতে, গবেষকদের এমন তথ্য সরবরাহ করা যেতে পারে যা তাদের হাসপাতালে রোগীদের থাকার গড় দৈর্ঘ্যের তুলনা করতে দেয়, তবে এখনও রোগীর গোপনীয়তা বজায় রাখে এবং রোগীর তথ্য হাইলাইট করে না।

প্রস্তাবিত লাইব্রেরিতে গোপনীয় তথ্য অন্তর্ভুক্ত সংখ্যাসূচক ডেটার সেটের উপর ভিত্তি করে সমষ্টিগত পরিসংখ্যান তৈরির জন্য বেশ কয়েকটি অ্যালগরিদম বাস্তবায়ন অন্তর্ভুক্ত রয়েছে। অ্যালগরিদম সঠিক অপারেশন চেক করতে, এটি প্রদান করা হয় স্টোকাস্টিক প্রোব. অ্যালগরিদমগুলি আপনাকে সর্বনিম্ন, সর্বাধিক এবং মধ্যম নির্ধারণ সহ ডেটার উপর সমষ্টি, গণনা, গড়, মানক বিচ্যুতি, বিচ্ছুরণ এবং ক্রম পরিসংখ্যান ক্রিয়াকলাপ সম্পাদন করতে দেয়। এর বাস্তবায়নও রয়েছে ল্যাপ্লেস মেকানিজম, যা পূর্বনির্ধারিত অ্যালগরিদম দ্বারা আচ্ছাদিত নয় এমন গণনার জন্য ব্যবহার করা যেতে পারে।

লাইব্রেরি একটি মডুলার আর্কিটেকচার ব্যবহার করে যা আপনাকে বিদ্যমান কার্যকারিতা প্রসারিত করতে এবং অতিরিক্ত মেকানিজম, সমষ্টিগত ফাংশন এবং গোপনীয়তা স্তর নিয়ন্ত্রণ যোগ করতে দেয়।
PostgreSQL 11 DBMS-এর লাইব্রেরির উপর ভিত্তি করে প্রস্তুত ডিফারেনশিয়াল গোপনীয়তা পদ্ধতি ব্যবহার করে বেনামী সমষ্টিগত ফাংশনগুলির একটি সেট সহ এক্সটেনশন - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV এবং ANON_NTILE৷

উত্স: opennet.ru