AWS更新其安全資料共享服務Clean Rooms,除了新增機器學習支援,協助用戶在不共享原始資料的情況下應用機器學習模型,同時也加入了差分隱私(Differential Privacy)功能,在協作聚合資料分析結果時,模糊個人資料的貢獻。
Clean Rooms服務可讓企業和其合作夥伴安全協作資料處理,提供一種不共享原始資料就能協作和分析資料的方法,在追求效率和預測精確度的同時,也能安全地合作。Clean Rooms內建隱私控制功能,能以權限控制Clean Rooms成員所執行的查詢和輸出。
新功能Clean Rooms ML則允許用戶使用機器學習模型生成預測性分析,同時保護敏感資料。而這項功能其中一項主要應用,是創建市場行銷用途的相似用戶群組,像是航空公司可以和線上預訂服務合作,針對類似特徵的用戶進行行銷活動;汽車貸款和汽車保險公司也可以辨識,與現有租賃車主類似特徵的潛在汽車保險客戶。這項功能同樣也能用於加速研究機構和醫院的臨床研究,找到與現有臨床試驗者相似的候選人。
Clean Rooms ML會於每一次組織資料共享合作中,訓練一個由AWS管理的模型,協助用戶快速生成相似資料集,省去用戶自行建立、訓練和部署模型的時間。Clean Rooms ML還提供了許多靈活的控制功能,使用戶和其合作夥伴,可以調整機器學習模型預測結果。
AWS Clean Rooms現在也提供差分隱私功能,系統會在用戶的查詢結果,添加經過仔細校準的誤差,也就是雜訊,讓查詢結果足夠準確,在提供有意義的分析結果的同時,也遮蔽來自特定個人的資料貢獻。差分隱私功能包括了一個隱私預算元件,透過將隱私作為每次執行查詢時消耗的有限資源,控制用戶資料集執行的查詢數量,確保雜訊不能被平均,確保不會洩露任何個人資料。當隱私預算耗盡時,在預算增加或是刷新之前,都無法於資料集中執行更多的查詢。
差分隱私是一項增強資料共享時隱私保護的技術,能夠分享描述資料庫中部分統計特徵,又不公開特定個人資訊,不過缺點就是有其實作門檻,而Clean Rooms差分隱私功能,讓應用該技術變得更容易,用戶只需要對資料表啟用差分隱私功能,並在協作中配置差分隱私政策,就能簡單地應用該技術。
熱門新聞
2024-10-14
2024-10-13
2024-10-13
2024-10-14
2024-10-11
2024-10-12