Google kildetekster til biblioteket «» med implementering af metoder , der gør det muligt at udføre statistiske operationer på datasæt med en tilstrækkelig høj præcision uden muligheden for at identificere enkeltposter i dem. Koden til biblioteket er skrevet i C++ og er under Apache 2.0-licensen.
Analyse ved hjælp af metoder til differentiel privatliv giver organisationer mulighed for at udføre analytiske udtræk fra statistiske databaser uden at dele data og udtrække oplysninger om specifikke personer. For eksempel, for at identificere forskelle i patientpleje, kan forskere få information, der gør det muligt at sammenligne den gennemsnitlige opholdstid for patienter på hospitaler, samtidig med at patienternes fortrolighed opretholdes og oplysninger om dem ikke kan udskilles.
Det foreslåede bibliotek inkluderer implementeringen af flere algoritmer til at danne aggregeret statistik baseret på datasæt, der indeholder fortrolige oplysninger. For at verificere korrektheden af algoritmerne er der tilgængelig . Algoritmerne tillader at udføre operationer som summation, tælling, beregning af gennemsnit, middelværdi, varians og ordningsstatistik, herunder bestemmelse af minimum, maksimum og median. Der inkluderes også en implementering af , som kan anvendes til beregninger, der ikke er dækket af de foruddefinerede algoritmer.
Biblioteket bruger en modulær arkitektur, der muliggør udvidelse af den eksisterende funktionalitet og tilføjelse af ekstra mekanismer, aggregatfunktioner og værktøjer til styring af niveauet af fortrolighed.
Baseret på biblioteket til databasesystemet PostgreSQL 11 et udvidelse med et sæt anonyme aggregerede funktioner, der anvender metoder til differentiel privatliv — ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV og ANON_NTILE.
Kilde: opennet.ru
