Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Règle d'analyse personnalisée avec confidentialité différentielle
<a name="custom-diff-privacy"></a>

Dans AWS Clean Rooms, la règle d'analyse personnalisée prend en charge la confidentialité différentielle. La confidentialité différentielle est un cadre mathématiquement rigoureux pour la protection de la confidentialité des données qui vous aide à protéger vos données contre les tentatives de réidentification.

La confidentialité différentielle permet des analyses globales telles que la planification des campagnes publicitaires, la mesure après la campagne publicitaire, l'analyse comparative au sein d'un consortium d'institutions financières et les A/B tests pour la recherche dans le domaine de la santé.

La structure de requête et la syntaxe prises en charge sont définies dans[Structure et syntaxe des requêtes](#dp-query-structure-syntax).

## Exemple de règle d'analyse personnalisée avec confidentialité différentielle
<a name="custom-diff-privacy-example"></a>

**Note**  
AWS Clean Rooms La confidentialité différentielle n'est disponible que pour les collaborations où les données sont stockées dans Amazon S3.

Prenons l'exemple de règle d'analyse [ personnalisée ](analysis-rules-custom.md#custom-example) présenté dans la section précédente. Cet exemple montre comment vous pouvez utiliser la confidentialité différentielle pour protéger vos données contre les tentatives de réidentification tout en permettant à votre partenaire d'obtenir des informations critiques à partir de vos données. Supposons que l'entreprise B, qui possède les données d'audience, souhaite protéger ses données en utilisant la confidentialité différentielle. Pour terminer la configuration de la confidentialité différentielle, l'entreprise B effectue les étapes suivantes :

1. L'entreprise B active la confidentialité différentielle tout en ajoutant une règle d'analyse personnalisée au tableau configuré pour l'audience. L'entreprise B sélectionne `viewershipdata.hashedemail` comme colonne d'identifiant utilisateur.

1. L'entreprise B [ ajoute une politique de confidentialité différentielle ](configure-differential-privacy.md) à la collaboration afin de rendre son tableau de données d'audience disponible pour les requêtes. L'entreprise B sélectionne la politique par défaut pour terminer rapidement la configuration.

L'entreprise A, qui souhaite comprendre l'augmentation des ventes d'une campagne publicitaire sur le site de l'entreprise B, exécute le modèle d'analyse. Comme la requête est compatible avec la structure de [ requête à usage général ](#dp-query-structure-syntax) de AWS Clean Rooms Differential Privacy, elle s'exécute correctement. 

## Structure et syntaxe des requêtes
<a name="dp-query-structure-syntax"></a>

Les requêtes contenant au moins une table pour laquelle la confidentialité différentielle est activée doivent respecter la syntaxe suivante.

```
query_statement:
    [cte, ...] final_select

 cte:
    WITH sub_query AS (
       inner_select
       [ UNION | INTERSECT | UNION_ALL | EXCEPT/MINUS ]
       [ inner_select ]
    )
   
 inner_select:
     SELECT [user_id_column, ] expression [, ...] 
     FROM table_reference [, ...] 
     [ WHERE condition ]
     [ GROUP BY user_id_column[, expression] [, ...] ] 
     [ HAVING condition ] 

 final_select:
     SELECT [expression, ...] | COUNT | COUNT_DISTINCT | SUM | AVG | STDDEV
     FROM table_reference [, ...]
     [ WHERE condition ]
     [ GROUP BY expression [, ...] ] 
     [ HAVING COUNT | COUNT_DISTINCT | SUM | AVG | STDDEV | condition ]
     [ ORDER BY column_list ASC | DESC ] 
     [ OFFSET literal ]
     [ LIMIT literal ]

 expression:
    column_name [, ...] | expression AS alias | aggregation_functions | window_functions_on_user_id | scalar_function | CASE | column_name math_expression [, expression]  
    
 window_functions_on_user_id:
    function () OVER (PARTITION BY user_id_column, [column_name] [ORDER BY column_list ASC|DESC])
```

**Note**  
En ce qui concerne la structure et la syntaxe différentielles des requêtes de confidentialité, tenez compte des points suivants :   
Sub-queries ne sont pas pris en charge. 
Les expressions de table communes (CTE) doivent émettre la colonne d'identifiant utilisateur si une table ou une CTE impliquent des données protégées par une confidentialité différentielle. Les filtres, les regroupements et les agrégations doivent être effectués au niveau de l'utilisateur.
Final\_select autorise les fonctions d'agrégation COUNT DISTINCT, COUNT, SUM, AVG et STDDEV.

Pour plus de détails sur les mots clés SQL pris en charge pour la confidentialité différentielle, consultez[Fonctionnalités SQL de AWS Clean Rooms Confidentialité différentielle](dp-sql-capabilities.md).