Sarus

Sarus yra analitikams ir dirbtinio intelekto (AI) privatumo sluoksnis, kuris stovi tarp duomenų šaltinių ir analitikų, leidžiantis dirbti su jautriais duomenimis be jų atskleidimo. Jis užtikrina privatumo garantijas kiekvienai užklausai naudodamas diferencialinį privatumą, sintisinius duomenis ir privatumo apsaugos užklausų perrašymą, tuo pačiu palaikydamas vietinį diegimą arba viešuosius debesų diegimus. Ši strategija padeda tyrimams, analitikams ir AI naudoti duomenų vertę saugiai ir laikantis visų reikalavimų.

• Jungtys: natūraliai jungiasi prie duomenų bazių, duomenų sandėlių/lakehouses ir debesų saugyklų, neperkeliant duomenų.
• Privatumo politika: nustato išvestis (sintetiniai duomenys, agregatai, diferencialiai privatūs išvestiniai duomenys) ir audituoja visą apdorojimą.
• Audito žurnalas: pilnas užklausų auditas, užtikrinantis atitiktį.
• Sintetiniai duomenys: aukštos kokybės, diferencialiniu privatumu treniruoti sintetiniai duomenys, kurie išlaiko paskirstymus.
• Analitika ir BI: SQL API ir BI jungčių palaikymas populiariems įrankiams (PowerBI, Tableau, Metabase).
• Mašininis mokymasis: Python SDK, kurio pagalba galima vykdyti nuotolinį duomenų apdorojimą taikant privatumo apribojimus (DP) kai reikia.
• Veiksmas su duomenimis: siųsti užklausų išvestis į išorinius galinius taškus, neatskleidžiant asmens duomenų.
• Privatumo užtikrinantis DP, privatumo pirmumo užklausų perrašymas ir išvesties lygio kontrolė, užtikrinančios privatumą sudėtinguose duomenų srautuose.

• Tvirtos privatumo garantijos: diferencialinis privatumas, sintetiniai duomenys ir užklausų perrašymas taikant privatumo politiką realiuoju laiku.
• Duomenys niekada nepalieka duomenų savininkų kontrolės: analitikai dirba su nuotoriniais duomenimis be tiesioginės prieigos prie pradinių duomenų.
• Atitikties nauda: išsamus audito žurnalas ir sklandžios privatumo/atitikties darbo eiga.
• Duomenų vertė tarp sistemų: įžvalgos iš skirtingų šaltinių nepakenkiant privatumui.
• Palaiko AI/ML darbo srautus ir LLM naudojimą su privatumo garantijomis.
• Lanksčiai diegiama: vietinis diegimas arba viešųjų debesų diegimas (Docker ar Kubernetes) su plačiu šaltinių jungčių palaikymu.