La société Google codes sources de la bibliothèque «» avec la mise en œuvre de méthodes , permettant d'effectuer des opérations statistiques sur un ensemble de données avec une précision relativement élevée sans pouvoir identifier les enregistrements individuels. Le code de la bibliothèque est écrit en C++ et sous licence Apache 2.0.
L'analyse utilisant des méthodes de confidentialité différentielle permet aux organisations de produire des échantillons analytiques à partir de bases de données statistiques, sans pouvoir séparer les données et extraire des informations sur des personnes spécifiques. Par exemple, pour identifier les différences dans les soins aux patients, les chercheurs peuvent se voir fournir des informations permettant de comparer la durée moyenne de séjour des patients à l'hôpital, tout en préservant la confidentialité des patients et en évitant d'extraire des informations les concernant.
La bibliothèque proposée inclut la mise en œuvre de plusieurs algorithmes pour la formation de statistiques agrégées à partir d'ensembles de données numériques contenant des informations confidentielles. Pour vérifier la validité des algorithmes, un est fourni. Les algorithmes permettent d'effectuer des opérations de somme, de comptage, de calcul des moyennes, des écarts-types, des variances et des statistiques ordinales, y compris la détermination des minimums, maximums et médianes. Il y a également la mise en œuvre d'un , qui peut être utilisé pour des calculs non couverts par des algorithmes pré prédéfinis.
La bibliothèque utilise une architecture modulaire, permettant d'étendre la fonctionnalité existante et d'ajouter des mécanismes supplémentaires, des fonctions agrégées et des moyens de contrôler le niveau de confidentialité.
Sur la base de la bibliothèque pour les SGBD PostgreSQL 11 une extension avec un ensemble de fonctions agrégées anonymes utilisant les méthodes de confidentialité différentielle — ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV et ANON_NTILE.
Source : opennet.ru
