Python开发者也能导入差分隐私保护，Google 扩大开放库源码

回顾2019年9月，谷歌已先行开放differential privacy基础库的C++、Java及Go的源代码。 所谓的差分隐私，是一个数据共享方法，仅分享描述数据库的一些统计特征，而不公开具体个人信息，其精神是如果随机修改数据库中的一个记录造成的影响够小，所求得的统计特征，就不能被用来反推出单一记录的内容，即在保留统计学特征的前提之下，能够去除个体特征以保护用户隐私。

谷歌产品经理Miguel Guevara指出，differential-privacy这项开源项目的目的是希望提供公开透明的方式，让研究人员可检查当中代码。 去年的项目引发回响，例如开发医疗数据隐私分析工具的开发商Arkhn等，以及希望通过可证实的私有数据来加速科学发现的澳大利亚开发者。

因此谷歌进一步和开源界开发商OpenMined合作，经过一年的努力，今年1月28日举行的资料隐私日，两家公司共同宣布新的差分隐私工具PipelineDP，让Python开发商可以在差分隐私保护下处理资料。 这也让这家软件大厂的差分隐私库扩及占全球半数的Python开发族群。

目前已有单位利用这套Python库实验新的应用情境，像是以集结、匿名方式显示每个网站当中各国造访次数最高的网页。 这个库可配合大型数据处理最主流的两个引擎：Spark和Beam框架使用，为使用及实践提供更大的弹性。

谷歌也会持续发展新的差分隐私工具，供开发人员执行数据的图解呈现，以及调校产生差别隐私信息的参数。 此外他们也会发布论文，公开将差分隐私扩充到超过1 PB规模的数据集。

目前，谷歌 内部也正在训练开发差分隐私方案的团队，这当中包括人流报告（Mobility Reports）与 谷歌 Maps「最受欢迎次数」功能幕后的基础架构，他们也将协助OpenMined建立专家团队，提供差分隐私技术部署的学习资源。 谷歌也鼓励开发人员加入实验差分隐私应用情境，像是统计分析、机器学习，并提供反馈意见。