Google- ը գրադարանի սկզբնական կոդերը»» մեթոդների ներդրմամբ , որը թույլ է տալիս վիճակագրական գործողություններ կատարել տվյալների հավաքածուի վրա բավականաչափ բարձր ճշգրտությամբ՝ առանց դրանում առանձին գրառումներ բացահայտելու հնարավորության։ Գրադարանի կոդը գրված է C++ և լիցենզավորված Apache 2.0-ի համաձայն:
Գաղտնիության դիֆերենցիալ մեթոդների կիրառմամբ վերլուծությունը թույլ է տալիս կազմակերպություններին վերլուծական նմուշներ պատրաստել վիճակագրական տվյալների բազաներից՝ թույլ չտալով նրանց առանձնացնել տվյալները և առանձնացնել կոնկրետ անձանց պարամետրերը ընդհանուր տեղեկատվությունից: Օրինակ, հիվանդների խնամքի տարբերությունները պարզելու համար հետազոտողներին կարող է տրամադրվել տեղեկատվություն, որը թույլ է տալիս նրանց համեմատել հիվանդանոցներում հիվանդների մնալու միջին տևողությունը, բայց դեռևս պահպանում է հիվանդի գաղտնիությունը և չի կարևորում հիվանդի տեղեկատվությունը:
Առաջարկվող գրադարանը ներառում է մի քանի ալգորիթմների իրականացում` ագրեգացված վիճակագրության ստեղծման համար` հիմնված թվային տվյալների հավաքածուների վրա, որոնք ներառում են գաղտնի տեղեկատվություն: Ալգորիթմների ճիշտ աշխատանքը ստուգելու համար տրամադրվում է . Ալգորիթմները թույլ են տալիս կատարել տվյալների ամփոփում, հաշվում, միջին, ստանդարտ շեղում, դիսպերսիա և կարգի վիճակագրական գործողություններ՝ ներառյալ նվազագույնը, առավելագույնը և միջինը որոշելը: Այն ներառում է նաև իրականացումը , որը կարող է օգտագործվել նախապես սահմանված ալգորիթմներով չընդգրկված հաշվարկների համար։
Գրադարանը օգտագործում է մոդուլային ճարտարապետություն, որը թույլ է տալիս ընդլայնել առկա ֆունկցիոնալությունը և ավելացնել լրացուցիչ մեխանիզմներ, ագրեգատային գործառույթներ և գաղտնիության մակարդակի վերահսկում:
PostgreSQL 11 DBMS-ի գրադարանի հիման վրա ընդլայնում մի շարք անանուն ագրեգատ գործառույթներով՝ օգտագործելով գաղտնիության դիֆերենցիալ մեթոդներ՝ ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV և ANON_NTILE:
Source: opennet.ru