Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

AWS Clean Rooms Glosarium

Konsultasikan glosarium ini untuk menjadi akrab dengan terminologi yang digunakan untuk. AWS Clean Rooms

Aturan analisis agregasi

Pembatasan kueri yang memungkinkan kueri yang menggunakan analisis agregat COUNT, SUM, atau AVG fungsi sepanjang dimensi opsional. Kueri ini tidak akan mengungkapkan informasi tingkat baris.

Mendukung kasus penggunaan seperti perencanaan kampanye, jangkauan media, frekuensi, dan pengukuran konversi.

Jenis aturan analisis lainnya adalah kustom dan daftar.

Aturan analisis

Pembatasan kueri yang mengotorisasi jenis kueri tertentu.

Jenis aturan analisis menentukan jenis analisis apa yang dapat dijalankan pada tabel yang dikonfigurasi. Setiap jenis memiliki struktur kueri yang telah ditentukan sebelumnya. Anda mengontrol bagaimana kolom tabel Anda dapat digunakan dalam struktur melalui kontrol kueri.

Jenis aturan analisis adalah agregasi, daftar, dan kustom.

Template analisis

Kueri khusus kolaborasi dan disetujui sebelumnya yang dapat digunakan kembali.

Mendukung kueri SQL kustom yang didukung di. AWS Clean Rooms

Dapat berisi parameter di mana pun nilai literal biasanya dapat muncul dalam kueri SQL. Untuk informasi selengkapnya tentang tipe parameter yang didukung, lihat Tipe data di Referensi AWS Clean Rooms SQL.

Template analisis hanya berfungsi dengan aturan analisis khusus.

Klien enkripsi C3R

Komputasi Kriptografi untuk Clean Rooms (C3R) klien enkripsi.

Digunakan untuk mengenkripsi dan mendekripsi data, C3R adalah SDK enkripsi sisi klien dengan antarmuka baris perintah.

Kolom Cleartext

Kolom yang tidak dilindungi secara kriptografis untuk JOIN atau SELECT Konstruksi SQL.

Kolom Cleartext dapat digunakan di bagian manapun dari query SQL.

Kolaborasi

Batas logis yang aman AWS Clean Rooms di mana anggota dapat melakukan kueri SQL pada tabel yang dikonfigurasi.

Kolaborasi dibuat oleh pencipta kolaborasi.

Hanya anggota yang telah diundang ke kolaborasi yang dapat bergabung dalam kolaborasi.

Kolaborasi hanya dapat memiliki satu anggota yang dapat menanyakan data, satu anggota yang dapat menerima hasil, dan satu anggota membayar biaya komputasi kueri.

Semua anggota dapat melihat daftar peserta yang diundang dalam kolaborasi sebelum mereka bergabung dalam kolaborasi.

Pencipta kolaborasi

Anggota yang menciptakan kolaborasi.

Hanya ada satu pembuat kolaborasi per kolaborasi.

Hanya pembuat kolaborasi yang dapat menghapus anggota dari kolaborasi atau menghapus kolaborasi.

Tabel yang dikonfigurasikan

Setiap tabel dikonfigurasi mewakili referensi ke tabel yang ada di AWS Glue Data Catalog yang telah dikonfigurasi untuk digunakan dalam AWS Clean Rooms. Tabel yang dikonfigurasi berisi aturan analisis yang menentukan bagaimana data dapat digunakan.

Saat ini, AWS Clean Rooms mendukung data asosiasi yang disimpan di Amazon Simple Storage Service (Amazon S3) yang dikatalogkan melalui katalog. AWS Glue

Untuk informasi selengkapnya AWS Glue, lihat Panduan AWS Glue Pengembang.

Tabel yang dikonfigurasi dapat dikaitkan dengan satu atau lebih kolaborasi.

Aturan analisis kustom

Pembatasan kueri yang memungkinkan serangkaian kueri tertentu yang telah disetujui sebelumnya (templat analisis) atau memungkinkan serangkaian akun tertentu yang dapat memberikan kueri yang menggunakan data Anda.

Mendukung kasus penggunaan seperti atribusi sentuhan pertama, analisis inkremental, dan analisis penemuan audiens.

Mendukung privasi diferensial.

Jenis aturan analisis lainnya adalah agregasi dan daftar.

Dekripsi

Proses mengubah data terenkripsi kembali ke bentuk aslinya. Dekripsi hanya dapat dilakukan jika Anda memiliki akses ke kunci rahasia.

Privasi diferensial

Teknik matematikal-ketat yang melindungi data kolaborasi dari anggota yang dapat menerima hasil belajar tentang individu tertentu.

Enkripsi

Proses pengkodean data ke dalam bentuk yang muncul acak menggunakan nilai rahasia yang disebut kunci. Tidak mungkin untuk menentukan plaintext asli tanpa akses ke kunci.

Kolom sidik jari

Kolom yang dilindungi secara kriptografi untuk JOIN Konstruksi SQL.

Metode alur kerja pemetaan ID

Bagaimana Anda ingin pemetaan ID dilakukan.

Ada dua metode alur kerja pemetaan ID:

Tabel pemetaan ID

Sumber daya AWS Clean Rooms yang memungkinkan aturan pencocokan pihak pertama atau transcoding identitas multi-pihak dalam kolaborasi.

Tabel pemetaan ID adalah referensi ke tabel yang ada di. AWS Glue Data Catalog Ini berisi aturan analisis tabel pemetaan ID yang menentukan bagaimana data dapat ditanyakan. AWS Clean Rooms Tabel pemetaan ID dapat dikaitkan dengan satu atau beberapa kolaborasi.

Aturan analisis tabel pemetaan ID

Jenis aturan analisis yang dikelola oleh AWS Clean Rooms dan digunakan untuk menggabungkan data identitas yang berbeda untuk memfasilitasi kueri. Ini secara otomatis ditambahkan ke tabel pemetaan ID dan tidak dapat diedit. Ini mewarisi perilaku aturan analisis lain dalam kolaborasi — selama aturan analisis tersebut homogen.

Alur kerja pemetaan ID

Pekerjaan pemrosesan data yang memetakan data dari sumber ke target berdasarkan metode alur kerja pemetaan ID yang ditentukan. Ini menghasilkan tabel pemetaan ID.

Ruang nama ID

Sumber daya AWS Clean Rooms yang berisi metadata yang menjelaskan kumpulan data di beberapa Akun AWS dan cara menggunakan kumpulan data ini dalam alur kerja pemetaan ID.

Asosiasi namespace ID

Asosiasi sumber daya namespace ID yang membantu Anda menemukan input ke dalam alur kerja pemetaan ID mereka.

Aturan analisis daftar

Pembatasan kueri yang memungkinkan kueri yang menampilkan analisis atribut tingkat baris dari tumpang tindih antara tabel ini dan tabel anggota yang dapat melakukan kueri.

Mendukung kasus penggunaan seperti pengayaan dan pembangunan audiens atau penindasan.

Jenis aturan analisis lainnya adalah agregasi dan kebiasaan.

Model mirip

Model data penyedia data pelatihan yang memungkinkan penyedia data benih untuk membuat segmen serupa dari data penyedia data pelatihan yang paling mirip dengan data benih mereka.

Segmen mirip

Subset dari data pelatihan yang paling mirip dengan data benih.

Anggota

AWS Pelanggan yang merupakan peserta dalam kolaborasi.

Seorang anggota diidentifikasi menggunakan mereka Akun AWS.

Semua anggota dapat menyumbangkan data.

Anggota yang dapat menanyakan

Anggota yang dapat menanyakan data dalam kolaborasi.

Hanya ada satu anggota yang dapat menanyakan per kolaborasi, dan anggota itu tidak dapat diubah.

Pengguna administratif dapat menggunakan izin AWS Identity and Access Management (IAM) untuk mengontrol prinsip IAM mereka (seperti pengguna atau peran) yang dapat menanyakan data dalam kolaborasi. Untuk informasi selengkapnya, lihat Membuat peran layanan untuk membaca data dari Amazon S3.

Anggota yang dapat menerima hasil

Anggota yang dapat menerima hasil kueri. Anggota yang dapat menerima hasil menentukan setelan hasil kueri untuk tujuan Amazon S3 dan format hasil kueri.

Hanya ada satu anggota yang dapat menerima hasil per kolaborasi, dan anggota itu tidak dapat diubah.

Anggota membayar biaya komputasi kueri

Anggota yang bertanggung jawab untuk membayar biaya komputasi kueri.

Hanya ada satu anggota yang bertanggung jawab untuk membayar biaya komputasi kueri per kolaborasi, dan anggota itu tidak dapat diubah.

Jika pembuat kolaborasi belum menetapkan siapa pun sebagai anggota yang membayar biaya komputasi kueri, maka anggota yang dapat melakukan kueri adalah pembayar default.

Anggota yang membayar biaya komputasi kueri menerima tagihan untuk kueri yang telah dijalankan dalam kolaborasi.

Keanggotaan

Sumber daya yang dibuat saat anggota bergabung dengan kolaborasi.

Semua sumber daya yang diasosiasikan anggota untuk kolaborasi adalah bagian dari keanggotaan atau terkait dengan keanggotaan.

Hanya anggota yang memiliki keanggotaan yang dapat menambah, menghapus, atau mengedit sumber daya dalam keanggotaan tersebut.

Kolom tertutup

Kolom yang dilindungi secara kriptografi untuk SELECT Konstruksi SQL.

Data benih

Data penyedia data benih, yang digunakan untuk membuat segmen yang mirip. Data benih dapat diberikan secara langsung atau dapat berasal dari hasil AWS Clean Rooms kueri. Output segmen mirip adalah sekumpulan pengguna dari data pelatihan yang paling mirip dengan pengguna benih.