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.

• Свързвачи: нативно се свързва с бази данни, data warehouses / lakehouses и облачни хранилища, без да пренася данни.
• Политики за поверителност: определят изходите (синтетични данни, агрегати, резултати с диференциална поверителност) и осъществяват одит на целия процес на обработка.
• Аудит на логове: пълен одит на заявките за съответствие.
• Синтетични данни: с висока точност, обучени с DP, които запазват разпределенията.
• Аналитика и BI: поддръжка за SQL API и BI конектори за популярни инструменти (PowerBI, Tableau, Metabase).
• Машинно обучение: Python SDK за изпълнение на отдалечена обработка на данни с прилагане на DP, когато е необходимо.
• Действие при данни: изпращай резултатите от заявките към външни крайни точки, без да разкриваш лична информация.
• DP за защита на поверителността, пренаписване на заявки с фокус върху поверителността и контрол върху изхода на нивото, за да се гарантира поверителност в сложни пайплайни.

• Силни гаранции за поверителност: диференциална поверителност, синтетични данни и преработване на заявките в движение според политиката.
• Данните никога не напускат контрола на собственика им: анализаторите работят с отдалечени данни, без директен достъп до суровите данни.
• Съвместимо с регулациите: подробни дневници за одит и опростени работни потоци за поверителност и съответствие.
• Данните имат стойност през силоси: отключване на инсайти между системи, без компромис с поверителността.
• Поддържа AI/ML работни потоци и използване на LLM със гаранции за поверителност.
• Гъвкаво внедряване: на място или в твоя публичен облак (Docker или Kubernetes) с широк набор от конектори за източници.