Sarus

Sarus е слойът за поверителност за аналитика и AI, който се намира между източниците на данни и анализаторите, позволявайки работа със чувствителни данни, без да ги разкрива. Той налага гаранции за поверителност върху всяко запитване чрез диференциална поверителност, синтетични данни и пренаписване на запитвания за запазване на поверителността, като поддържа локално внедряване или внедряване в публичния облак. Този подход помага на изследователски проекти, аналитични задачи и AI сценарии да отключат стойността на данните по сигурен и съобразен начин.

• Конектори: свързва се директно с бази данни, хранилища за данни и езера-хранилища, както и с облачни хранилища, без да мести данните.
• Политики за поверителност: определят резултатите (синтетични данни, обобщени данни и резултати с диференциална поверителност) и одитират цялата обработка.
• Одитни журнали: пълен одит на заявките за нуждите на съответствието.
• Синтетични данни: синтетични данни с висока точност, обучени с диференциална поверителност (DP), които запазват разпределенията.
• Аналитика и бизнес интелигентност: поддръжка на SQL API и BI конектори за популярни инструменти като Power BI, Tableau и Metabase.
• Машинно обучение: Python SDK за отдалечена обработка на данни с прилагане на диференциална поверителност (DP), когато е необходимо.
• Действия с данните: изпращай резултатите от заявките към външни крайни точки, без да разкриваш лична информация.
• Диференциална поверителност, пренаписване на заявки с приоритет на поверителността и контрол на ниво резултат, за да се гарантира поверителност в сложни работни потоци.

• Силни гаранции за поверителност: диференциална поверителност, синтетични данни и пренаписване на заявки в реално време според зададените политики.
• Данните остават под контрола на собствениците си: анализаторите работят с отдалечени данни, без пряк достъп до оригиналните данни.
• Улеснява съответствието: подробни одитни журнали и по-лесни работни потоци за поверителност и съответствие.
• Стойност от данни в различни системи: извличай полезни данни от различни системи, без да правиш компромис с поверителността.
• Поддържа работни потоци за AI и машинно обучение, както и използването на големи езикови модели (LLM), с гаранции за поверителност.
• Гъвкаво внедряване: локално или в публичен облак (с Docker или Kubernetes), с широк набор от конектори към източници на данни.