Google heeft de code van de bibliotheek voor vertrouwelijke gegevensverwerking vrijgegeven.

Google heeft gepubliceerd bronnenteksten van de bibliotheek “Differential Privacy” met de implementatie van methoden differentiële privacy, waarmee statistische bewerkingen op datasets met voldoende nauwkeurigheid kunnen worden uitgevoerd zonder dat individuele records geïdentificeerd kunnen worden. De code van de bibliotheek is geschreven in C++ en is er onbeperkt en gratis toegang geopend tot de yum-repository met binaire pakketupdates met bugfixes (errata) en beveiligingsproblemen. onder de Apache 2.0-licentie.

Analyseren met behulp van methoden van differentiёle privacy stelt organisaties in staat om analytische steekproeven uit statistische databases te maken zonder de gegevens te splitsen en specifieke gegevens van individuen uit de algemene informatie te isoleren. Bijvoorbeeld, om verschillen in de zorg voor patiënten te identificeren, kan onderzoekers informatie worden verstrekt waarmee het gemiddelde aantal dagen dat patiënten in ziekenhuizen verblijven kan worden vergeleken, terwijl de privacy van de patiënten behouden blijft en het niet mogelijk is om informatie over hen te isoleren.

De voorgestelde bibliotheek bevat de implementatie van verschillende algoritmen voor het genereren van geaggregeerde statistieken op basis van sets numerieke gegevens die vertrouwelijke informatie bevatten. Voor de validatie van de werking van de algoritmen wordt een stochastische steekproevergeleverd. De algoritmen stellen in staat om operaties uit te voeren op de gegevens zoals optellen, tellen, gemiddelde waarden berekenen, standaarddeviatie, variantie en ordening van statistieken, inclusief het bepalen van minimum, maximum en mediaan. Daarnaast is er een implementatie van het Laplace-mechanisme, dat kan worden gebruikt voor berekeningen die niet worden gedekt door de vooraf gedefinieerde algoritmen.

De bibliotheek maakt gebruik van een modulaire architectuur die het mogelijk maakt om de bestaande functionaliteit uit te breiden en extra mechanismen, aggregatiefuncties en middelen voor het beheer van vertrouwelijkheidsniveaus toe te voegen.
Op basis van de bibliotheek is er voor de PostgreSQL 11 database voorbereid een extensie met een set anonieme aggregatiefuncties die gebruikmaken van methoden van differentiёle privacy — ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV en ANON_NTILE.

Bron: opennet.ru