Η Google παρουσιάζει την έκδοση ανοιχτού κώδικα του differential privacy library που συμβάλλει στη λειτουργία ορισμένων από τα βασικά προϊόντα της Google.
Η διαφορική ανάλυση ιδιωτικών δεδομένων είναι μία βασισμένη σε αρχές προσέγγιση, η οποία επιτρέπει στους οργανισμούς να αντλούν γνώσεις από το μεγαλύτερο μέρος των δεδομένων τους, διασφαλίζοντας ταυτόχρονα ότι τα αποτελέσματα που ανασύρουν δεν επιτρέπουν τη διάκριση ή την εκ νέου ταυτοποίηση των δεδομένων/στοιχείων ενός ατόμου. Αυτός ο τύπος ανάλυσης μπορεί να εφαρμοστεί με μεγάλη ποικιλία τρόπων και για πολλούς διαφορετικούς σκοπούς.
Είτε είστε κάτοχος μικρής επιχείρησης ή προγραμματιστής λογισμικού, το να αποκτάτε χρήσιμες γνώσεις από τα γενικά δεδομένα, μπορεί να συμβάλει στη βελτίωση των υπηρεσιών σας και να δώσει απαντήσεις σε σημαντικές ερωτήσεις. Όμως, χωρίς ισχυρή προστασία της ιδιωτικότητας, κινδυνεύετε να χάσετε την εμπιστοσύνη των πολιτών, των πελατών και των χρηστών.
Φέτος, η Google έχει λανσάρει διάφορες τεχνολογίες ανοιχτού κώδικα για την προστασία ιδιωτικών δεδομένων – όπως τα Tensorflow Privacy, Tensorflow Federated, Private Join and Compute. Η συγκεκριμένη προσθήκη διευρύνει ακόμη περισσότερο αυτήν τη λίστα.
Προκειμένου να είναι εύκολη η χρήση της συγκεκριμένης βιβλιοθήκης από τους προγραμματιστές, εστιάζουμε σε χαρακτηριστικά που θα ήταν ιδιαίτερα δύσκολο να εκτελεστούν από το μηδέν, όπως ο αυτόματος υπολογισμός των ορίων για τις συνεισφορές των χρηστών. Οι υπηρεσίες της είναι πλέον διαθέσιμες δωρεάν σε οποιονδήποτε οργανισμό ή προγραμματιστή θέλει να τις χρησιμοποιήσει.
Μπορείτε να βρείτε περισσότερες πληροφορίες σε αυτό το blogpost, που βρίσκεται αναρτημένο στο blog της Google https://developers.googleblog.com/2019/09/enabling-developers-and-organizations.html
