Google गोपनीय डेटा प्रोसेसिंग के लिए लाइब्रेरी कोड खोलता है

गूगल प्रकाशित पुस्तकालय स्रोत कोड "विभेदक गोपनीयता»विधियों के कार्यान्वयन के साथ विभेदक गोपनीयता, इसमें व्यक्तिगत रिकॉर्ड की पहचान करने की क्षमता के बिना पर्याप्त उच्च सटीकता के साथ डेटा सेट पर सांख्यिकीय संचालन करने की अनुमति मिलती है। लाइब्रेरी कोड C++ में लिखा गया है खुला है अपाचे 2.0 के तहत लाइसेंस प्राप्त।

विभेदक गोपनीयता विधियों का उपयोग करके विश्लेषण संगठनों को डेटा को अलग करने और सामान्य जानकारी से विशिष्ट व्यक्तियों के मापदंडों को अलग करने की अनुमति दिए बिना, सांख्यिकीय डेटाबेस से विश्लेषणात्मक नमूने बनाने की अनुमति देता है। उदाहरण के लिए, रोगी देखभाल में अंतर की पहचान करने के लिए, शोधकर्ताओं को ऐसी जानकारी प्रदान की जा सकती है जो उन्हें अस्पतालों में रोगियों के रहने की औसत अवधि की तुलना करने की अनुमति देती है, लेकिन फिर भी रोगी की गोपनीयता बनाए रखती है और रोगी की जानकारी को उजागर नहीं करती है।

प्रस्तावित लाइब्रेरी में संख्यात्मक डेटा के सेट के आधार पर एकत्रित आंकड़े उत्पन्न करने के लिए कई एल्गोरिदम का कार्यान्वयन शामिल है जिसमें गोपनीय जानकारी शामिल है। एल्गोरिदम के सही संचालन की जांच करने के लिए, यह प्रदान किया जाता है स्टोकेस्टिक जांच. एल्गोरिदम आपको न्यूनतम, अधिकतम और माध्यिका निर्धारित करने सहित डेटा पर योग, गिनती, माध्य, मानक विचलन, फैलाव और आदेश सांख्यिकी संचालन करने की अनुमति देता है। इसमें कार्यान्वयन भी शामिल है लाप्लास तंत्र, जिसका उपयोग पूर्वनिर्धारित एल्गोरिदम द्वारा कवर नहीं की गई गणनाओं के लिए किया जा सकता है।

लाइब्रेरी एक मॉड्यूलर आर्किटेक्चर का उपयोग करती है जो आपको मौजूदा कार्यक्षमता का विस्तार करने और अतिरिक्त तंत्र, समग्र कार्य और गोपनीयता स्तर नियंत्रण जोड़ने की अनुमति देती है।
PostgreSQL 11 DBMS के लिए लाइब्रेरी पर आधारित तैयार विभेदक गोपनीयता विधियों का उपयोग करके अज्ञात समग्र कार्यों के एक सेट के साथ विस्तार - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV और ANON_NTILE।

स्रोत: opennet.ru