-
Toolkit de confidentialité différentielle (DP) créé conjointement par Microsoft et Harvard
-
Vise à permettre aux gouvernements, aux entreprises et aux institutions académiques de partager en toute sécurité des données sensibles afin de soutenir la recherche scientifique et d’intérêt public
-
Runtime natif prenant en charge C, C++, Python, R et d’autres langages
-
Accès direct à diverses sources de données (Apache Spark/Presto, Postgres, SQL Server, Data Lakes, CSV, etc.)
1 commentaires
Comparaison des bibliothèques de confidentialité différentielle https://fr.news.hada.io/topic?id=1729
IBM/differential-privacy-library (Python)
google/differential-privacy (C++)
brubinstein/diffpriv (R)
Ici, trois bibliothèques étaient comparées, mais un nouvel outil vient d’apparaître.