La empresa Google códigos fuente de la biblioteca "" con la implementación de métodos , que permiten realizar operaciones estadísticas sobre conjuntos de datos con bastante precisión sin poder identificar registros individuales en ellos. El código de la biblioteca está escrito en C++ y bajo la licencia Apache 2.0.
El análisis utilizando métodos de privacidad diferencial permite a las organizaciones realizar selecciones analíticas de bases de datos estadísticas, sin permitir la división de datos y la identificación de parámetros de personas específicas. Por ejemplo, para identificar diferencias en la atención a pacientes, se puede proporcionar a los investigadores información que les permita comparar el tiempo promedio de permanencia de los pacientes en los hospitales, manteniendo la confidencialidad y evitando la divulgación de información sobre ellos.
La biblioteca propuesta incluye la implementación de varios algoritmos para generar estadísticas agregadas a partir de conjuntos de datos numéricos que contienen información confidencial. Para verificar la validez del funcionamiento de los algoritmos, se proporciona un . Los algoritmos permiten realizar operaciones sobre los datos como sumas, conteos, cálculos de medias, desviaciones estándar, varianzas y estadísticas por orden, incluyendo la determinación de mínimos, máximos y medianas. También incluye la implementación de , que puede usarse para cálculos no cubiertos por algoritmos predefinidos.
La biblioteca utiliza una arquitectura modular que permite ampliar la funcionalidad existente y agregar mecanismos adicionales, funciones agregadas y medios para gestionar el nivel de confidencialidad.
Sobre la base de la biblioteca para el SGBD PostgreSQL 11 una extensión con un conjunto de funciones agregadas anónimas que utilizan métodos de privacidad diferencial — ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV y ANON_NTILE.
Fuente: opennet.ru
