ಗೂಗಲ್ ಗ್ರಂಥಾಲಯದ ಮೂಲ ಸಂಕೇತಗಳು "» ವಿಧಾನಗಳ ಅನುಷ್ಠಾನದೊಂದಿಗೆ , ಅದರಲ್ಲಿ ವೈಯಕ್ತಿಕ ದಾಖಲೆಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವಿಲ್ಲದೆ ಸಾಕಷ್ಟು ಹೆಚ್ಚಿನ ನಿಖರತೆಯೊಂದಿಗೆ ಡೇಟಾ ಸೆಟ್ನಲ್ಲಿ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಲೈಬ್ರರಿ ಕೋಡ್ ಅನ್ನು C++ ನಲ್ಲಿ ಬರೆಯಲಾಗಿದೆ ಮತ್ತು ಅಪಾಚೆ 2.0 ಅಡಿಯಲ್ಲಿ ಪರವಾನಗಿ ಪಡೆದಿದೆ.
ಡಿಫರೆನ್ಷಿಯಲ್ ಗೌಪ್ಯತೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿಶ್ಲೇಷಣೆಯು ಸಂಸ್ಥೆಗಳಿಗೆ ಡೇಟಾವನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಮತ್ತು ಸಾಮಾನ್ಯ ಮಾಹಿತಿಯಿಂದ ನಿರ್ದಿಷ್ಟ ವ್ಯಕ್ತಿಗಳ ನಿಯತಾಂಕಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಅನುಮತಿಸದೆ, ಅಂಕಿಅಂಶಗಳ ಡೇಟಾಬೇಸ್‌ಗಳಿಂದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಮಾದರಿಗಳನ್ನು ಮಾಡಲು ಅನುಮತಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ರೋಗಿಗಳ ಆರೈಕೆಯಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸಲು, ಆಸ್ಪತ್ರೆಗಳಲ್ಲಿ ರೋಗಿಗಳ ಸರಾಸರಿ ಅವಧಿಯನ್ನು ಹೋಲಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ಮಾಹಿತಿಯನ್ನು ಸಂಶೋಧಕರಿಗೆ ಒದಗಿಸಬಹುದು, ಆದರೆ ಇನ್ನೂ ರೋಗಿಯ ಗೌಪ್ಯತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ರೋಗಿಯ ಮಾಹಿತಿಯನ್ನು ಹೈಲೈಟ್ ಮಾಡುವುದಿಲ್ಲ.
ಪ್ರಸ್ತಾವಿತ ಗ್ರಂಥಾಲಯವು ಗೌಪ್ಯ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂಖ್ಯಾತ್ಮಕ ಡೇಟಾದ ಸೆಟ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಒಟ್ಟುಗೂಡಿದ ಅಂಕಿಅಂಶಗಳನ್ನು ರಚಿಸಲು ಹಲವಾರು ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಅನುಷ್ಠಾನವನ್ನು ಒಳಗೊಂಡಿದೆ. ಕ್ರಮಾವಳಿಗಳ ಸರಿಯಾದ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ಪರಿಶೀಲಿಸಲು, ಅದನ್ನು ಒದಗಿಸಲಾಗಿದೆ . ಅಲ್ಗಾರಿದಮ್‌ಗಳು ನಿಮಗೆ ಸಂಕಲನ, ಎಣಿಕೆ, ಸರಾಸರಿ, ಪ್ರಮಾಣಿತ ವಿಚಲನ, ಪ್ರಸರಣ ಮತ್ತು ಆದೇಶದ ಅಂಕಿಅಂಶಗಳ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಡೇಟಾದಲ್ಲಿ ನಿರ್ವಹಿಸಲು ಅನುಮತಿಸುತ್ತದೆ, ಇದರಲ್ಲಿ ಕನಿಷ್ಠ, ಗರಿಷ್ಠ ಮತ್ತು ಮಧ್ಯಮವನ್ನು ನಿರ್ಧರಿಸುವುದು ಸೇರಿದಂತೆ. ಇದು ಅನುಷ್ಠಾನವನ್ನು ಸಹ ಒಳಗೊಂಡಿದೆ , ಪೂರ್ವನಿರ್ಧರಿತ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿಂದ ಒಳಗೊಳ್ಳದ ಲೆಕ್ಕಾಚಾರಗಳಿಗೆ ಇದನ್ನು ಬಳಸಬಹುದು.
ಲೈಬ್ರರಿಯು ಮಾಡ್ಯುಲರ್ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ಬಳಸುತ್ತದೆ ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕಾರ್ಯವನ್ನು ವಿಸ್ತರಿಸಲು ಮತ್ತು ಹೆಚ್ಚುವರಿ ಕಾರ್ಯವಿಧಾನಗಳು, ಒಟ್ಟು ಕಾರ್ಯಗಳು ಮತ್ತು ಗೌಪ್ಯತೆ ಮಟ್ಟದ ನಿಯಂತ್ರಣಗಳನ್ನು ಸೇರಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.
PostgreSQL 11 DBMS ಗಾಗಿ ಲೈಬ್ರರಿಯನ್ನು ಆಧರಿಸಿದೆ ಡಿಫರೆನ್ಷಿಯಲ್ ಗೌಪ್ಯತೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅನಾಮಧೇಯ ಒಟ್ಟು ಕಾರ್ಯಗಳ ಜೊತೆ ವಿಸ್ತರಣೆ - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV ಮತ್ತು ANON_NTILE.
ಮೂಲ: opennet.ru