Binuksan ng Google ang library code para sa kumpidensyal na pagproseso ng data

Google опубликовала mga source code ng library "Pagkakaiba sa Privacy» sa pagpapatupad ng mga pamamaraan pagkakaiba sa privacy, na nagpapahintulot na magsagawa ng mga istatistikal na operasyon sa isang set ng data na may sapat na mataas na katumpakan nang walang kakayahang tumukoy ng mga indibidwal na talaan dito. Ang code ng library ay nakasulat sa C++ at bukas lisensyado sa ilalim ng Apache 2.0.

Ang pagsusuri gamit ang differential privacy method ay nagbibigay-daan sa mga organisasyon na gumawa ng mga analytical sample mula sa statistical database, nang hindi pinapayagan silang paghiwalayin ang data at ihiwalay ang mga parameter ng mga partikular na indibidwal mula sa pangkalahatang impormasyon. Halimbawa, upang matukoy ang mga pagkakaiba sa pangangalaga ng pasyente, maaaring bigyan ang mga mananaliksik ng impormasyon na nagpapahintulot sa kanila na ihambing ang average na haba ng pananatili ng mga pasyente sa mga ospital, ngunit pinapanatili pa rin ang pagiging kumpidensyal ng pasyente at hindi itinatampok ang impormasyon ng pasyente.

Kasama sa iminungkahing library ang pagpapatupad ng ilang algorithm para sa pagbuo ng pinagsama-samang mga istatistika batay sa mga hanay ng numerical data na may kasamang kumpidensyal na impormasyon. Upang suriin ang tamang operasyon ng mga algorithm, ito ay ibinigay stochastic probe. Binibigyang-daan ka ng mga algorithm na magsagawa ng pagbubuo, pagbibilang, mean, standard deviation, dispersion at mga operasyon ng istatistika ng order sa data, kabilang ang pagtukoy ng minimum, maximum at median. Kasama rin dito ang pagpapatupad Mekanismo ng Laplace, na maaaring gamitin para sa mga kalkulasyon na hindi sakop ng mga paunang natukoy na algorithm.

Gumagamit ang library ng modular na arkitektura na nagbibigay-daan sa iyong palawakin ang umiiral nang functionality at magdagdag ng mga karagdagang mekanismo, pinagsama-samang function, at mga kontrol sa antas ng privacy.
Batay sa library para sa PostgreSQL 11 DBMS pinaghandaan extension na may hanay ng mga anonymous na pinagsama-samang function gamit ang differential privacy method - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV at ANON_NTILE.

Pinagmulan: opennet.ru