Google 开源了其差分隐私库

Google 宣布开源其差分隐私库（Differential Privacy Library），这个工具帮助 Google 从用户私有的、个人化的数据中提取到一些有用的信息，而又是以一种安全的、不侵犯个人隐私的方式进行。

差分隐私（Differential Privacy）是一种加密方法，应用到数据科学领域的分析学方面时，它可以帮助人提取到关键的信息，而又保护个人的隐私。差分隐私是通过将个人的数据与人为的“白噪音”混合在一起而实现此目标的。维基百科有介绍差分隐私，知乎有讨论，2014 年发表在《计算机学报》上面的论文（PDF 链接）对它也有阐述。

Apple 在保护用户隐私的前提下所取得的机器学习方面的进展，基石就是差分隐私。它使 Apple 可以提取用户的数据，进行分析和改进服务，而又不侵犯用户的个人隐私。

Google Chrome 也是一样，它使用了一个名为 RAPPOR（随机可聚合隐私保护序数响应）的差分隐私工具，来分析用户的浏览数据，而又不使个人的浏览历史等敏感信息有被追踪的可能。今年 Google 还为 TensorFlow 开源了一个工具，即 TensorFlow Privacy，使研究者可以训练 AI 算法但并不侵犯用户的隐私。

Google 指出，差分隐私实际上可以更为有用，比如应用到医疗、社会学方面。它能够让大规模的个人数据发挥出潜在的价值，而又保证个人的敏感信息等隐私有很好的保护。Google 公司内部的差分隐私工具的开发经历了漫长而又艰难的阶段，所以现在这个工具被放到 GitHub 上供所有人使用，Google 希望那些没有硅谷巨头公司所拥有庞大资源的组织或个人，在分析个人数据的时候，能够同样严格的重视隐私，保护个体的隐私安全。

Google Maps 里面的一些功能比如预测一个商户的客流量就得益于差分隐私工具的使用。对这个工具的开源，是希望这种能够很好的保护个人隐私的工具，能够在医疗、政府等部门发挥作用，使所有人受益。