Google i testi sorgenti della libreria «» con l'implementazione dei metodi , che consentono di eseguire operazioni statistiche su un insieme di dati con una precisione sufficientemente elevata senza la possibilità di identificare i singoli record. Il codice della libreria è scritto in C++ e sotto licenza Apache 2.0.
L'analisi utilizzando metodi di privacy differenziale consente alle organizzazioni di effettuare campionamenti analitici da database statistici, evitando la possibilità di separare i dati e isolare parametri specifici dei singoli. Ad esempio, per identificare le differenze nelle cure ai pazienti, ai ricercatori può essere fornita un'informazione che consenta di confrontare il tempo medio di permanenza dei pazienti negli ospedali, mantenendo però la confidenzialità dei pazienti e impedendo l'estrazione di informazioni su di essi.
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 la correttezza del funzionamento degli algoritmi viene fornito . Gli algoritmi consentono di eseguire operazioni di somma, conteggio, calcolo di valori medi, deviazione standard, varianza e statistiche ordinali, inclusa la determinazione del minimo, massimo e della mediana. Fa parte anche l'implementazione , che può essere utilizzato per calcoli non coperti dagli algoritmi predefiniti.
La libreria utilizza un'architettura modulare che consente di estendere le funzionalità esistenti e di aggiungere meccanismi, funzioni aggregate e strumenti di gestione del livello di riservatezza.
Basata sulla 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
