View a markdown version of this page

具有差别隐私的自定义分析规则 - AWS Clean Rooms

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。

具有差别隐私的自定义分析规则

在中 AWS Clean Rooms,自定义分析规则支持差分隐私。差别隐私是一种在数学上非常严格的数据隐私保护框架,可以帮助保护您的数据以防范重新识别尝试。

差异化隐私支持聚合分析,例如广告活动规划、广告活动后评估、金融机构联盟中的基准 A/B测试以及医疗保健研究测试。

支持的查询结构和语法在 查询结构和语法 中定义。

具有差别隐私的自定义分析规则示例

注意

AWS Clean Rooms 差异隐私仅适用于数据存储在 Amazon S3 中的协作。

考虑上一节中介绍的自定义分析规则示例。该示例说明了如何使用差别隐私保护您的数据以防范重新识别尝试,同时允许您的合作伙伴从您的数据中了解业务关键型见解。假设 B 公司具有观众数据,并希望使用差别隐私保护其数据。为了完成差别隐私设置,B 公司完成以下步骤:

  1. B 公司开启差别隐私,同时在观众配置表中添加自定义分析规则。B 公司选择 viewershipdata.hashedemail 以作为用户标识符列。

  2. B 公司在协作中添加差别隐私策略,以使其观众数据表可供查询。B 公司选择默认策略以快速完成设置。

A 公司希望了解 B 公司网站上的广告活动的销售增量,并运行分析模板。由于该查询与 AWS Clean Rooms 差分隐私的通用查询结构兼容,因此查询可以成功运行。

查询结构和语法

包含至少一个开启了差别隐私的表的查询必须遵循以下语法。

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])
注意

对于差别隐私查询结构和语法,请注意以下事项:

  • Sub-queries 不支持。

  • 如果表或通用表表达式 (CTE) 涉及受差别隐私保护的数据,CTE 应生成用户标识符列。应在用户级别完成筛选、分组和聚合。

  • Final_select 允许 COUNT DISTINCT、COUNT、SUM、AVG 和 STDDEV 聚合函数。

有关差别隐私支持哪些 SQL 关键字的更多详细信息,请参阅 的 SQL 功能 AWS Clean Rooms 差异隐私