Google codici sorgente della biblioteca "» con l'implementazione dei metodi , consentendo di eseguire operazioni statistiche su un set di dati con una precisione sufficientemente elevata senza la possibilità di identificare i singoli record in esso contenuti. Il codice della libreria è scritto in C++ e concesso in licenza con Apache 2.0.
L'analisi che utilizza metodi di privacy differenziali consente alle organizzazioni di creare campioni analitici da database statistici, senza consentire loro di separare i dati e isolare i parametri di individui specifici dalle informazioni generali. Ad esempio, per identificare le differenze nella cura dei pazienti, è possibile fornire ai ricercatori informazioni che consentano loro di confrontare la durata media della degenza dei pazienti negli ospedali, mantenendo comunque la riservatezza del paziente e non evidenziando le informazioni sui pazienti.
La libreria proposta include l'implementazione di diversi algoritmi per la generazione di statistiche aggregate basate su insiemi di dati numerici che includono informazioni riservate. Per verificare il corretto funzionamento degli algoritmi, viene fornito . Gli algoritmi consentono di eseguire operazioni statistiche di somma, conteggio, media, deviazione standard, dispersione e ordine sui dati, inclusa la determinazione del minimo, massimo e mediana. Comprende anche l'implementazione , che può essere utilizzato 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 controlli del livello di privacy.
Basato sulla libreria per DBMS PostgreSQL 11 estensione con una serie di funzioni aggregate anonime che utilizzano metodi di privacy differenziali: ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV e ANON_NTILE.
Fonte: opennet.ru