View a markdown version of this page

Regola di analisi personalizzata con privacy differenziale - AWS Clean Rooms
Regola di analisi personalizzata con esempio di privacy differenzialeStruttura e sintassi dell'interrogazione

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Regola di analisi personalizzata con privacy differenziale

In AWS Clean Rooms, la regola di analisi personalizzata supporta la privacy differenziale. La privacy differenziale è un framework matematicamente rigoroso per la protezione della privacy dei dati che ti aiuta a proteggere i tuoi dati dai tentativi di reidentificazione.

La privacy differenziale supporta analisi aggregate come la pianificazione delle campagne pubblicitarie, la misurazione successiva alla campagna pubblicitaria, il benchmarking in un consorzio di istituti finanziari e i test per la ricerca sanitaria. A/B

La struttura e la sintassi delle query supportate sono definite in. Struttura e sintassi dell'interrogazione

Regola di analisi personalizzata con esempio di privacy differenziale

Nota

AWS Clean Rooms La privacy differenziale è disponibile solo per le collaborazioni in cui i dati sono archiviati in Amazon S3.

Considera l'esempio di regola di analisi personalizzata presentato nella sezione precedente. Questo esempio dimostra come è possibile utilizzare la privacy differenziale per proteggere i dati dai tentativi di reidentificazione, consentendo al tempo stesso al partner di ricavare informazioni aziendali critiche dai dati. Supponiamo che l'azienda B, che detiene i dati sulle visualizzazioni, voglia proteggere i propri dati utilizzando una privacy differenziale. Per completare la configurazione della privacy differenziale, la Società B completa i seguenti passaggi:

  1. L'azienda B attiva la privacy differenziale aggiungendo una regola di analisi personalizzata alla tabella configurata per il pubblico. L'azienda B seleziona viewershipdata.hashedemail come colonna identificativa utente.

  2. L'azienda B aggiunge una politica sulla privacy differenziale nella collaborazione per rendere disponibile la tabella dei dati sulle visualizzazioni per l'interrogazione. L'azienda B seleziona la politica predefinita per completare rapidamente la configurazione.

L'azienda A, che desidera comprendere l'incrementalità delle vendite di una campagna pubblicitaria sul sito dell'azienda B, utilizza il modello di analisi. Poiché la query è compatibile con la struttura di interrogazione generica di AWS Clean Rooms Differential Privacy, la query viene eseguita correttamente.

Struttura e sintassi dell'interrogazione

Le query contenenti almeno una tabella con la privacy differenziale attivata devono rispettare la seguente sintassi.

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])
Nota

Per quanto riguarda la struttura e la sintassi delle query sulla privacy differenziali, tieni presente quanto segue:

  • Sub-queries non sono supportati.

  • Le Common Table Expressions (CTE) dovrebbero emettere la colonna dell'identificatore utente se una tabella o un CTE coinvolgono dati protetti da una privacy differenziale. I filtri, i raggruppamenti e le aggregazioni devono essere eseguiti a livello di utente.

  • Final_select consente le funzioni aggregate COUNT DISTINCT, COUNT, SUM, AVG e STDDEV.

Per ulteriori dettagli sulle parole chiave SQL supportate per la privacy differenziale, vedere. Funzionalità SQL di AWS Clean Rooms Privacy differenziale