Sarus

Sarus az analitika és az AI számára szolgáló adatvédelmi réteg, amely az adatforrások és az elemzők között helyezkedik el, és lehetővé teszi érzékeny adatokkal való dolgozást anélkül, hogy azokat ki lennének téve. Minden lekérdezésnél érvényesíti a magánélet védelmét differenciális adatvédelemmel, szintetikus adatokkal és adatvédelmet szem előtt tartó lekérdezés-újrafeldolgozással, miközben on-prem vagy nyilvános felhő telepítéseket is támogat. Ez a megközelítés lehetővé teszi a kutatás, az analitika és az AI-alapú felhasználási esetek számára, hogy biztonságosan, a szabályozásoknak megfelelően kiaknázzák az adatok értékét.

• Csatlakozók: natív módon kapcsolódik adatbázisokhoz, adattárházakhoz/lakehouse-okhoz és felhő-tárolókhoz anélkül, hogy az adatokat mozgatni kellene.
• Adatvédelmi irányelvek: meghatározzák a kimeneteket (szintetikus adatok, aggregátumok, differenciálisan privát kimenetek), és auditálják az összes feldolgozást.
• Audit naplózás: a megfelelőség érdekében teljes körű lekérdezés-ellenőrzés.
• Szintetikus adatok: magas hűségű, differenciális adatvédelemmel tanított szintetikus adatok, amelyek megőrzik az eloszlásokat.
• Analitika & BI: SQL API és BI-kapcsolók támogatása a gyakori eszközökhöz (PowerBI, Tableau, Metabase).
• Gépi tanulás: Python SDK távoli adatfeldolgozás futtatására, ahol szükség van a magánélet védelmére (DP).
• Adatkimenetek küldése külső végpontokra anélkül, hogy személyes információkat adna ki.
• Adatvédelmet szem előtt tartó DP, adatvédelmet elsődlegessé tevő lekérdezés-újrafogalmazás és kimeneti szintű kontroll a bonyolult csővezetékekben.

• Erős adatvédelmi garanciák: differenciális adatvédelem, szintetikus adatok és a szabályozást valós időben történő lekérdezés-újrafogalmazása.
• Az adatok soha nem hagyják el az adat-tulajdonosok ellenőrzését: az elemzők távoli adatokon dolgoznak közvetlen hozzáférés nélkül a nyers adatokhoz.
• Megfelelőségbarát: részletes audit naplózás és egyszerűsített adatvédelmi/megfelelőségi munkafolyamatok.
• Adatérték szilók között: feltárja az adatelemzési lehetőségeket rendszerek között anélkül, hogy a magánéletet veszélyeztetné.
• Támogatja az AI/ML munkafolyamatokat és a LLM-használatot adatvédelmi garanciákkal.
• Rugalmas telepítés: on-prem vagy a nyilvános felhőben (Docker vagy Kubernetes) széles körű forráskapcsolókkal.