本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
注意事项和限制
AWS Clean Rooms 帮助您和您的合作伙伴对集体数据集进行分析和协作，从而在不向对方透露基础数据的情况下获得新的见解。验证您的数据协作配置是否符合组织的隐私、安全、法律和合规性要求。
AWS Clean Rooms 为您的数据协作用例提供各种隐私增强控件：
当您的表包含低基数列或准识别列（例如邮政编码或年龄段）或者查询运行器不完全信任时，可以考虑比较控制。有关更多信息，请参阅 比较控件。
关于潜在对抗查询的假设
为了帮助您和您的合作伙伴维护所需的控制措施， AWS Clean Rooms 请对隐私增强型数据协作做出以下假设：
-
假设查询运行器正试图泄露用户级别的数据
-
假设其他数据提供商正试图泄露用户级别的数据
-
假设查询运行者和其他数据提供者正在串通窃取用户级别的数据
限制
请注意以下限制：
-
由最低聚合阈值强制执行的数据聚合本身并不能解决其他潜在的泄露风险，例如差异攻击。有关更多信息，请参阅 差异化攻击。
-
使用最低聚合阈值的查询的 SQL 界面受到限制。有关支持和不支持的 SQL 结构的完整列表，请参见。用于最低限度聚合和比较控制的 SQL 功能
-
目前，最低聚合阈值和比较控制不适用于差分隐私。
-
对于没有分组或联接的单个表 COUNTCOUNT(DISTINCT)，不强制执行最低聚合阈值或APPROX_COUNT_DISTINCT函数。
差异化攻击
当有人运行两个因人而异的查询，然后减去结果以隔离该人的数据时，即便每个查询本身仅返回聚合数据，也会发生差异化攻击。
例如：
-
查询 A：SUM（工资）WHERE部门 = '销售' → 1,000,000
-
查询 B：SUM（薪水）WHERE部门 = “销售” AND 名称！= 'Jane' → 950,000
-
区别：Jane 的收入为 50,000。
每个查询都通过最小组大小检查（最小聚合阈值），但是组合会通过运行多个查询泄露一个数据主体的值。每个查询的阈值无法解决这种差异攻击向量。
为了降低批量攻击的风险，采用数据访问预算和差异化隐私政策。
