À propos de Sarus
Sarus est la couche de confidentialité pour l'analytique et l'IA qui se situe entre les sources de données et les analystes, permettant de travailler sur des données sensibles sans les exposer. Il applique des garanties de confidentialité à chaque requête en utilisant la confidentialité différentielle, des données synthétiques et la réécriture de requêtes préservant la confidentialité, tout en prenant en charge des déploiements sur site ou dans le cloud public. Cette approche aide les cas d'usage en recherche, analytique et IA à exploiter la valeur des données de manière sûre et conforme.
Ce que propose Sarus
- Connecteurs : connexion native aux bases de données, entrepôts de données, lakehouses et stockages cloud, sans déplacer les données.
- Politiques de confidentialité : définition des résultats (données synthétiques, agrégats, résultats protégés par confidentialité différentielle) et audit de tous les traitements.
- Journalisation des audits : audit complet des requêtes pour répondre aux exigences de conformité.
- Données synthétiques : données synthétiques de haute fidélité, entraînées avec la confidentialité différentielle et préservant les distributions.
- Analytique et BI : API SQL et connecteurs BI compatibles avec les outils courants (Power BI, Tableau, Metabase).
- Apprentissage automatique : SDK Python pour exécuter des traitements de données à distance, avec application de la confidentialité différentielle si nécessaire.
- Actions sur les données : envoi des résultats de requêtes vers des points de terminaison externes sans exposer d’informations personnelles.
- Confidentialité différentielle, réécriture des requêtes axée sur la confidentialité et contrôle au niveau des résultats pour garantir la confidentialité dans les pipelines complexes.
Ce qui distingue Sarus
- Garanties solides en matière de confidentialité : confidentialité différentielle, données synthétiques et réécriture des requêtes à la volée avec application des politiques.
- Les données restent sous le contrôle de leurs propriétaires : les analystes travaillent sur des données distantes sans accéder directement aux données brutes.
- Une conformité facilitée : journalisation détaillée des audits et workflows de confidentialité et de conformité simplifiés.
- Valorisation des données cloisonnées : exploiter les informations issues de différents systèmes sans compromettre la confidentialité.
- Prise en charge des workflows d’IA et d’apprentissage automatique, ainsi que de l’utilisation des grands modèles de langage, avec des garanties de confidentialité.
- Déploiement flexible : sur site ou dans ton cloud public (Docker ou Kubernetes), avec un large choix de connecteurs vers les sources de données.