View a markdown version of this page

具有差異隱私權的自訂分析規則 - AWS Clean Rooms

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

具有差異隱私權的自訂分析規則

在 中 AWS Clean Rooms,自訂分析規則支援差異隱私權。差異隱私權是一種數學上嚴格的資料隱私權保護架構,可協助您保護資料免於重新識別嘗試。

差異隱私權支援彙總分析,例如廣告行銷活動規劃、post-ad-campaign衡量、金融機構協會中的基準測試,以及醫療保健研究的 A/B 測試。

支援的查詢結構和語法在 中定義查詢結構和語法

具有差異隱私權的自訂分析規則範例

注意

AWS Clean Rooms 差異隱私權僅適用於資料存放在 Amazon S3 中的協同合作。

請考慮上一節中呈現的自訂分析規則範例。此範例示範如何使用差異隱私權來保護資料免於重新識別嘗試,同時讓合作夥伴從資料中學習關鍵業務洞見。假設擁有檢視器資料的 B 公司想要使用差異隱私權來保護其資料。若要完成差異隱私權設定,B 公司會完成下列步驟:

  1. B 公司在將自訂分析規則新增至檢視器設定的資料表時,會開啟差異隱私權。B 公司會選取 viewershipdata.hashedemail做為使用者識別符欄。

  2. B 公司在協同合作中新增了差異性隱私權政策,使其瀏覽資料資料表可供查詢。B 公司會選取預設政策,以快速完成設定。

A 公司想要了解 B 公司網站上的廣告行銷活動銷售增量,執行分析範本。由於查詢與 AWS Clean Rooms 差異隱私權的一般用途查詢結構相容,因此查詢會成功執行。

查詢結構和語法

包含至少一個已開啟差異隱私權的資料表的查詢必須遵循下列語法。

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

對於差異隱私權查詢結構和語法,請注意下列事項:

  • 不支援子查詢。

  • 如果資料表或 CTEs 涉及受差異隱私權保護的資料,通用資料表表達式 (CTE) 應該發出使用者識別符資料欄。篩選、分組和彙總應在使用者層級完成。

  • Final_select 允許 COUNT DISTINCT、COUNT、SUM、AVG 和 STDDEV 彙總函數。

如需差異隱私權支援哪些 SQL 關鍵字的詳細資訊,請參閱 AWS Clean Rooms 差異隱私權的 SQL 功能