Google kody źródłowe biblioteki "» z wdrożeniem metod , pozwalające na wykonywanie operacji statystycznych na zbiorze danych z odpowiednio dużą dokładnością bez możliwości identyfikacji w nim poszczególnych rekordów. Kod biblioteki jest napisany w C++ i na licencji Apache 2.0.
Analiza wykorzystująca metody prywatności różnicowej umożliwia organizacjom tworzenie próbek analitycznych ze statystycznych baz danych, nie pozwalając im na oddzielanie danych i izolowanie parametrów konkretnych osób od informacji ogólnych. Na przykład, aby zidentyfikować różnice w opiece nad pacjentem, badacze mogą otrzymać informacje, które pozwolą im porównać średnią długość pobytu pacjentów w szpitalach, zachowując jednocześnie poufność pacjenta i nie eksponując informacji o pacjencie.
Proponowana biblioteka obejmuje implementację kilku algorytmów generowania zagregowanych statystyk na podstawie zbiorów danych liczbowych zawierających informacje poufne. Służy do sprawdzania poprawności działania algorytmów . Algorytmy pozwalają na wykonywanie operacji sumowania, liczenia, średniej, odchylenia standardowego, dyspersji i statystyki porządkowej na danych, w tym wyznaczanie minimum, maksimum i mediany. Obejmuje to również wdrożenie , które można wykorzystać do obliczeń nie objętych predefiniowanymi algorytmami.
Biblioteka wykorzystuje architekturę modułową, która pozwala rozszerzać istniejącą funkcjonalność i dodawać dodatkowe mechanizmy, funkcje agregujące i kontrolę poziomu prywatności.
Oparty na bibliotece dla PostgreSQL 11 DBMS rozszerzenie o zestaw anonimowych funkcji agregujących wykorzystujących metody różnicowej prywatności - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV i ANON_NTILE.
Źródło: opennet.ru