O firmie Sarus
Sarus to warstwa prywatności dla analiz i AI, która stoi między źródłami danych a analitykami, umożliwiając pracę na wrażliwych danych bez ich ujawniania. Wprowadza gwarancje prywatności dla każdego zapytania, wykorzystując prywatność różnicową, dane syntetyczne i przepisywanie zapytań z zachowaniem prywatności, przy wsparciu wdrożeń lokalnych lub w chmurze publicznej. Dzięki temu zastosowania w badaniach, analizie i AI mogą bezpiecznie i zgodnie z przepisami wydobywać wartość z danych.
Co oferuje Sarus
- Konektory: natywne połączenia z bazami danych, hurtowniami danych i lakehouse’ami oraz usługami przechowywania danych w chmurze, bez przenoszenia danych.
- Polityki prywatności: określają wyniki (dane syntetyczne, agregaty, wyniki z gwarancją prywatności różnicowej) i pozwalają audytować całe przetwarzanie.
- Rejestrowanie audytowe: pełny audyt zapytań, który ułatwia spełnianie wymogów zgodności.
- Dane syntetyczne: wysokiej jakości dane syntetyczne trenowane z użyciem prywatności różnicowej (DP), które zachowują rozkłady danych.
- Analityka i BI: API SQL i obsługa konektorów BI dla popularnych narzędzi (Power BI, Tableau, Metabase).
- Uczenie maszynowe: SDK dla Pythona umożliwia zdalne przetwarzanie danych z wymuszaniem prywatności różnicowej (DP), gdy jest to potrzebne.
- Działania na danych: wysyłanie wyników zapytań do zewnętrznych endpointów bez ujawniania danych osobowych.
- Prywatność różnicowa (DP) chroniąca prywatność, przepisywanie zapytań z myślą o prywatności i kontrola na poziomie wyników pomagają chronić dane w złożonych pipeline’ach.
Co wyróżnia Sarus
- Silne gwarancje prywatności: prywatność różnicowa, dane syntetyczne i przepisywanie zapytań z egzekwowaniem polityk na bieżąco.
- Dane pozostają pod kontrolą ich właścicieli: analitycy pracują na danych zdalnie, bez bezpośredniego dostępu do surowych danych.
- Łatwiejsze spełnianie wymogów: szczegółowe logi audytowe i sprawniejsze procesy związane z prywatnością i zgodnością.
- Wartość danych z różnych silosów: wydobywaj wiedzę z danych w różnych systemach bez naruszania prywatności.
- Obsługa procesów AI/ML i korzystania z LLM z gwarancjami prywatności.
- Elastyczne wdrożenie: lokalnie lub we własnej chmurze publicznej (Docker lub Kubernetes), z szerokim wyborem konektorów do źródeł danych.