గోప్యమైన డేటా ప్రాసెసింగ్ కోసం Google లైబ్రరీ కోడ్‌ని తెరుస్తుంది

Google ప్రచురించిన లైబ్రరీ సోర్స్ కోడ్‌లు "అవకలన గోప్యత» పద్ధతుల అమలుతో అవకలన గోప్యత, డేటా సెట్‌లో వ్యక్తిగత రికార్డులను గుర్తించే సామర్థ్యం లేకుండా తగినంత అధిక ఖచ్చితత్వంతో గణాంక కార్యకలాపాలను నిర్వహించడానికి అనుమతిస్తుంది. లైబ్రరీ కోడ్ C++లో వ్రాయబడింది మరియు తెరిచి ఉంది Apache 2.0 క్రింద లైసెన్స్ పొందింది.

అవకలన గోప్యతా పద్ధతులను ఉపయోగించి విశ్లేషణ సంస్థలను డేటాను వేరు చేయడానికి మరియు సాధారణ సమాచారం నుండి నిర్దిష్ట వ్యక్తుల పారామితులను వేరు చేయడానికి అనుమతించకుండా, గణాంక డేటాబేస్‌ల నుండి విశ్లేషణాత్మక నమూనాలను రూపొందించడానికి అనుమతిస్తుంది. ఉదాహరణకు, రోగి సంరక్షణలో వ్యత్యాసాలను గుర్తించడానికి, ఆసుపత్రులలో రోగుల సగటు నిడివిని పోల్చడానికి పరిశోధకులకు సమాచారాన్ని అందించవచ్చు, కానీ ఇప్పటికీ రోగి గోప్యతను నిర్వహిస్తుంది మరియు రోగి సమాచారాన్ని హైలైట్ చేయదు.

ప్రతిపాదిత లైబ్రరీ రహస్య సమాచారాన్ని కలిగి ఉన్న సంఖ్యా డేటా సెట్ల ఆధారంగా సమగ్ర గణాంకాలను రూపొందించడానికి అనేక అల్గారిథమ్‌ల అమలును కలిగి ఉంటుంది. అల్గోరిథంల సరైన ఆపరేషన్‌ను తనిఖీ చేయడానికి, ఇది అందించబడుతుంది యాదృచ్ఛిక ప్రోబ్. అల్గారిథమ్‌లు కనిష్ట, గరిష్ట మరియు మధ్యస్థాన్ని నిర్ణయించడంతో సహా డేటాపై సమ్మషన్, లెక్కింపు, మీన్, స్టాండర్డ్ డివియేషన్, డిస్పర్షన్ మరియు ఆర్డర్ స్టాటిస్టిక్స్ ఆపరేషన్‌లను నిర్వహించడానికి మిమ్మల్ని అనుమతిస్తాయి. ఇందులో అమలు కూడా ఉంటుంది లాప్లేస్ మెకానిజం, ఇది ముందే నిర్వచించబడిన అల్గారిథమ్‌ల ద్వారా కవర్ చేయబడని లెక్కల కోసం ఉపయోగించవచ్చు.

లైబ్రరీ మాడ్యులర్ ఆర్కిటెక్చర్‌ను ఉపయోగిస్తుంది, ఇది ఇప్పటికే ఉన్న ఫంక్షనాలిటీని విస్తరించడానికి మరియు అదనపు మెకానిజమ్‌లు, సమిష్టి ఫంక్షన్‌లు మరియు గోప్యతా స్థాయి నియంత్రణలను జోడించడానికి మిమ్మల్ని అనుమతిస్తుంది.
PostgreSQL 11 DBMS కోసం లైబ్రరీ ఆధారంగా సిద్ధం అవకలన గోప్యతా పద్ధతులను ఉపయోగించి అనామక సమగ్ర ఫంక్షన్‌ల సమితితో పొడిగింపు - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV మరియు ANON_NTILE.

మూలం: opennet.ru

ఒక వ్యాఖ్యను జోడించండి