Das Unternehmen Google ursprüngliche Texte der Bibliothek „“ mit der Implementierung von Methoden , die es ermöglichen, statistische Operationen auf Datensätzen mit ausreichend hoher Genauigkeit durchzuführen, ohne die Identifizierung einzelner Datensätze zuzulassen. Der Code der Bibliothek ist in C++ geschrieben und unter der Apache 2.0 Lizenz.
Die Analyse unter Verwendung der Methoden der Differentialen Privatsphäre ermöglicht es Organisationen, analytische Stichproben aus statistischen Datenbanken zu erstellen, ohne die Daten aufzuteilen und aus den allgemeinen Informationen spezifische Parameter einzelner Personen herauszuarbeiten. Beispielsweise können Forschern Informationen bereitgestellt werden, die es ihnen ermöglichen, die durchschnittliche Aufenthaltsdauer von Patienten in Krankenhäusern zu vergleichen, während die Vertraulichkeit der Patienten gewahrt bleibt und die Herausarbeitung von Informationen über sie ausgeschlossen ist.
Die vorgeschlagene Bibliothek enthält die Implementierung mehrerer Algorithmen zur Erstellung aggregierter Statistiken basierend auf numerischen Datensätzen, die vertrauliche Informationen enthalten. Zur Überprüfung der Korrektheit der Algorithmen wird ein bereitgestellt. Die Algorithmen ermöglichen es, Operationen wie Summierung, Zählung, Durchschnittsberechnung, Berechnung der Standardabweichung, Varianz und ordinalen Statistiken durchzuführen, einschließlich der Bestimmung des Minimums, Maximums und Medians. Außerdem enthält sie die Implementierung , der für Berechnungen verwendet werden kann, die nicht von vordefinierten Algorithmen abgedeckt sind.
Die Bibliothek verwendet eine modulare Architektur, die es ermöglicht, die vorhandene Funktionalität zu erweitern und zusätzliche Mechanismen, aggregierte Funktionen und Mittel zur Steuerung des Vertraulichkeitsniveaus hinzuzufügen.
Basierend auf der Bibliothek für das DBMS PostgreSQL 11 eine Erweiterung mit einer Reihe anonymer aggregierter Funktionen, die Methoden der Differentialen Privatsphäre verwenden – ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV und ANON_NTILE.
Quelle: opennet.ru
