Google ગોપનીય ડેટા પ્રોસેસિંગ માટે લાઇબ્રેરી કોડ ખોલે છે

Google પ્રકાશિત પુસ્તકાલય સ્ત્રોત કોડ "વિભિન્ન ગોપનીયતા» પદ્ધતિઓના અમલીકરણ સાથે વિભેદક ગોપનીયતા, તેમાં વ્યક્તિગત રેકોર્ડ્સને ઓળખવાની ક્ષમતા વિના પૂરતી ઊંચી ચોકસાઈ સાથે ડેટા સેટ પર આંકડાકીય કામગીરી કરવાની મંજૂરી આપે છે. લાઇબ્રેરી કોડ C++ અને માં લખાયેલ છે ખુલ્લું છે Apache 2.0 હેઠળ લાઇસન્સ.

વિભેદક ગોપનીયતા પદ્ધતિઓનો ઉપયોગ કરીને વિશ્લેષણ સંસ્થાઓને આંકડાકીય ડેટાબેઝમાંથી વિશ્લેષણાત્મક નમૂનાઓ બનાવવાની મંજૂરી આપે છે, તેમને ડેટાને અલગ કરવાની અને સામાન્ય માહિતીમાંથી ચોક્કસ વ્યક્તિઓના પરિમાણોને અલગ કરવાની મંજૂરી આપ્યા વિના. ઉદાહરણ તરીકે, દર્દીની સંભાળમાં તફાવતોને ઓળખવા માટે, સંશોધકોને માહિતી પ્રદાન કરી શકાય છે જે તેમને હોસ્પિટલોમાં દર્દીઓના રોકાણની સરેરાશ લંબાઈની તુલના કરવાની મંજૂરી આપે છે, પરંતુ તેમ છતાં દર્દીની ગુપ્તતા જાળવી રાખે છે અને દર્દીની માહિતીને પ્રકાશિત કરતા નથી.

સૂચિત લાઇબ્રેરીમાં ગોપનીય માહિતી સમાવિષ્ટ આંકડાકીય માહિતીના સેટ પર આધારિત એકંદર આંકડાઓ બનાવવા માટે ઘણા અલ્ગોરિધમ્સના અમલીકરણનો સમાવેશ થાય છે. એલ્ગોરિધમ્સની સાચી કામગીરી તપાસવા માટે, તે પ્રદાન કરવામાં આવે છે સ્ટોકેસ્ટિક તપાસ. અલ્ગોરિધમ્સ તમને ન્યૂનતમ, મહત્તમ અને મધ્ય નક્કી કરવા સહિત ડેટા પર સરવાળો, ગણતરી, સરેરાશ, પ્રમાણભૂત વિચલન, વિક્ષેપ અને ઓર્ડર આંકડાકીય કામગીરી કરવા દે છે. તેમાં અમલીકરણનો પણ સમાવેશ થાય છે લેપ્લેસ મિકેનિઝમ, જેનો ઉપયોગ પૂર્વવ્યાખ્યાયિત અલ્ગોરિધમ્સ દ્વારા આવરી લેવામાં આવતી ન હોય તેવી ગણતરીઓ માટે થઈ શકે છે.

લાઇબ્રેરી મોડ્યુલર આર્કિટેક્ચરનો ઉપયોગ કરે છે જે તમને હાલની કાર્યક્ષમતાને વિસ્તૃત કરવા અને વધારાના મિકેનિઝમ્સ, એકંદર કાર્યો અને ગોપનીયતા સ્તર નિયંત્રણો ઉમેરવાની મંજૂરી આપે છે.
PostgreSQL 11 DBMS માટેની લાઇબ્રેરી પર આધારિત તૈયાર વિભેદક ગોપનીયતા પદ્ધતિઓ - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV અને ANON_NTILE નો ઉપયોગ કરીને અનામી એકંદર કાર્યોના સમૂહ સાથે એક્સ્ટેંશન.

સોર્સ: opennet.ru