Společnost Google zdrojové kódy knihovny „“ s realizací metod , které umožňují provádět statistické operace na souboru dat s dostatečnou přesností, aniž by bylo možné identifikovat jednotlivé záznamy v něm. Kód knihovny je napsán v jazyce C++ a pod licencí Apache 2.0.
Analýza pomocí metod diferenčního soukromí umožňuje organizacím provádět analytické výběry ze statistických databází, aniž by byla porušena integrita dat a neumožnila se identifikace konkrétních osob. Například pro odhalení rozdílů v péči o pacienty mohou výzkumníci dostat informace, které umožňují porovnat průměrnou dobu, kterou pacienti tráví v nemocnicích, ale přitom zajišťují důvěrnost pacientů a neumožňují identifikaci informací o nich.
Navrhovaná knihovna zahrnuje implementaci několika algoritmů pro vytváření agregované statistiky na základě množin číselných dat, které obsahují důvěrné informace. Pro ověření správnosti algoritmů je poskytováno . Algoritmy umožňují provádět nad daty operace sčítání, počítání, výpočty průměrných hodnot, směrodatných odchylek, rozptylu a pořadové statistiky, včetně určení minima, maxima a mediánu. Součástí je také implementace , který může být použit pro výpočty, které nejsou pokryté předem definovanými algoritmy.
Knihovna využívá modulární architekturu, která umožňuje rozšiřovat stávající funkcionalitu a přidávat další mechanismy, agregační funkce a nástroje pro řízení úrovně důvěrnosti.
Na základě knihovny pro databázový systém PostgreSQL 11 rozšíření s množinou anonymních agregačních funkcí, které využívají metody diferenčního soukromí – ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV a ANON_NTILE.
Zdroj: opennet.ru
