As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Considerações e limitações
AWS Clean Rooms ajuda você e seus parceiros a analisar e colaborar em conjuntos de dados coletivos para gerar novos insights sem revelar dados subjacentes uns aos outros. Verifique se sua configuração de colaboração de dados cumpre os requisitos de privacidade, segurança, legais e de conformidade da sua organização.
AWS Clean Rooms oferece vários controles de aprimoramento de privacidade para seu caso de uso de colaboração de dados:
Considere os controles de comparação quando sua tabela contiver colunas de baixa cardinalidade ou quase identificação, como código postal ou faixa etária, ou quando o executor da consulta não for totalmente confiável. Para obter mais informações, consulte Controles de comparação.
Suposições sobre consultas potencialmente adversárias
Para ajudar você e seus parceiros a manter os controles necessários, AWS Clean Rooms faz as seguintes suposições em relação à colaboração de dados com privacidade aprimorada:
-
Suponha que o executor da consulta esteja tentando extrair dados no nível do usuário
-
Suponha que outros provedores de dados estejam tentando extrair dados de nível de usuário
-
Suponha que o executor da consulta e outros provedores de dados estejam conspirando para extrair dados no nível do usuário.
Limitações
Observe as seguintes limitações:
-
A agregação de dados imposta por limites mínimos de agregação por si só não aborda outros riscos potenciais de exfiltração, como ataques diferenciados. Para obter mais informações, consulte Ataques diferenciados.
-
A superfície SQL para consultas usando limites mínimos de agregação é restrita. Para obter uma lista completa de construções SQL suportadas e não suportadas, consulte. Capacidades de SQL para controles mínimos de agregação e comparação
-
Atualmente, os limites mínimos de agregação e os controles de comparação não funcionam com privacidade diferencial.
-
O limite mínimo de agregação não é imposto ou APPROX_COUNT_DISTINCT funciona em COUNT uma única tabela sem agrupamento ou união. COUNT(DISTINCT)
Ataques diferenciados
Um ataque de diferenciação ocorre quando alguém executa duas consultas que diferem em um único indivíduo e, em seguida, subtrai os resultados para isolar os dados dessa pessoa, mesmo que cada consulta sozinha retorne apenas agregados.
Por exemplo:
-
Consulta A: WHERE departamento SUM (salário) = 'Vendas' → 1.000.000
-
Consulta B: WHERE departamento SUM (salário) = AND nome de 'Vendas'! = 'Jane' → 950.000
-
Diferença: Jane ganha 50.000.
Cada consulta passa por uma verificação de tamanho mínimo de grupo (limite mínimo de agregação), mas a combinação vaza o valor de um titular de dados ao executar várias consultas. Um limite por consulta não aborda esse vetor de ataque diferenciado.
Para reduzir o risco de ataques em massa, adote orçamentos de acesso a dados e políticas de privacidade diferenciais.
