テクノロジーの詳細解説このオープンソース ライブラリは、デベロッパーのニーズに合わせて設計されています。私たちは、自由にアクセスできるだけでなく、簡単にデプロイできる便利なものにしたいと考えました。
このライブラリの主な機能は、次のとおりです。
- 統計機能: このリリースでは、データ サイエンスでよく使われる一般的なオペレーションがサポートされています。このライブラリを使うと、カウント、合計、平均、中央値、パーセンタイルを計算できます。
- 厳格なテスト: 差分プライバシーを正しく理解するのは難しいことです。誤りを防ぐために、幅広いテストスイートに加え、拡張可能な「確率的差分プライバシー モデル チェッカー ライブラリ」も含めています。
- すぐに使える: オープンソース リリースが実際に役に立つかどうかは、「私でも使えますか？」という質問に答えられるかどうかにかかっています。そのため、実際に使ってみるための汎用的なレシピとともに、PostgreSQL の拡張機能を含めています。私たちのアプローチの詳細は、本日公開したばかりの技術論文に書かれています。
- モジュール式: このライブラリは、追加メカニズム、集計関数、プライバシー予算管理などの機能を追加して拡張できるように設計されています。
新しいプライバシー技術に向けた作業私たちは、2014 年に Chrome を改善するために
RAPPOR をリリースしました。それ以降、実用的な差分プライバシー技術についての研究や開発を進め、実世界での応用において先頭を走り続けてきました。
また、差分プライバシーの手法を使い、プロダクトに便利な機能を追加しました。たとえば Google マップでは、1 日のうちに店舗がどのくらい混雑するか、レストランの特定のメニューがどのくらい人気になっているかなどの機能を作成しました。さらに、
Google Fi の改善も行っています。
今年は、
Tensorflow Privacy、
Tensorflow Federated、
Private Join and Compute など、いくつかのオープンソース プライバシー技術についてお知らせしてきました。本日のリリースによって、拡大を続けるそのリストにさらにもう 1 つ、技術が加わることになります。このライブラリを一般公開できたことをうれしく思います。デベロッパーの皆さんが包括的なデータ プライバシー戦略を構築する際に利用していただけることを期待しています。医療、行政、ビジネスなどの分野で、これらのオープンソース ツールから、あらゆる人にとって有益な見識が生まれることを願っています。
謝辞
ソフトウェア エンジニア: Alain Forget、Bryant Gipson、Celia Zhang、Damien Desfontaines、Daniel Simmons-Marengo、Ian Pudney、Jin Fu、Michael Daub、Priyanka Sehgal、Royce Wilson、William Lam
