Azienda Google testi sorgente della libreria «» con implementazione di metodi , che consentono di eseguire operazioni statistiche su un insieme di dati con un'accuratezza sufficientemente elevata senza la possibilità di identificare singoli record al suo interno. Il codice della libreria è scritto in linguaggio C++ e sotto licenza Apache 2.0.
L'analisi utilizzando metodi di privacy differenziale consente alle organizzazioni di effettuare campionamenti analitici da database statistici, senza separare i dati e isolando parametri di persone specifiche dalle informazioni generali. Ad esempio, per identificare le differenze nella cura dei pazienti, ai ricercatori può essere fornita un'informazione che consente di confrontare la media del tempo di permanenza dei pazienti negli ospedali, mantenendo però la riservatezza dei pazienti e non permettendo l'estrazione di dati su di loro.
La libreria proposta include l'implementazione di diversi algoritmi per la formazione di statistiche aggregate basate su set di dati numerici che includono informazioni riservate. Per verificare la correttezza del funzionamento degli algoritmi è fornito . Gli algoritmi consentono di eseguire su dati operazioni di somma, conteggio, calcolo delle medie, deviazione standard, varianza e statistica ordinale, compresa la determinazione del minimo, massimo e della mediana. Include anche l'implementazione di , che possono essere utilizzati per calcoli non coperti da algoritmi predefiniti.
La libreria utilizza un'architettura modulare che consente di espandere le funzionalità esistenti e aggiungere ulteriori meccanismi, funzioni aggregate e strumenti per la gestione del livello di riservatezza.
Sulla base della libreria per il DBMS PostgreSQL 11 un'estensione con un insieme di funzioni aggregate anonime che utilizzano metodi di privacy differenziale — ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV e ANON_NTILE.
Fonte: opennet.ru
