O podjetju Sarus
Sarus je plast zasebnosti za analitiko in umetno inteligenco, ki sedi med viri podatkov in analitikami, in omogoča delo s občutljivimi podatki, ne da bi jih izpostavljal. Na vsako poizvedbo uveljavlja zaveze glede zasebnosti z uporabo diferencialne zasebnosti, sintetičnih podatkov ter prepisovanja poizvedb, ki ohranjajo zasebnost, medtem ko podpira namestitve na lokalni infrastrukturi ali v javnem oblaku. Ta pristop pomaga raziskovalnim, analitičnim in primerom z umetno inteligenco odkleniti vrednost podatkov na varen in skladan način.
Kaj ponuja Sarus
- Povezovalniki: neposredno se povežejo z zbirkami podatkov, podatkovnimi skladišči in jezeri podatkov ter oblačnimi shrambami, ne da bi bilo treba premikati podatke.
- Pravila zasebnosti: določajo izhodne podatke (sintetične podatke, agregate in izhodne podatke z diferencialno zasebnostjo) ter beležijo vse obdelave.
- Revizijske dnevnike: omogočajo celovit nadzor poizvedb za zagotavljanje skladnosti.
- Sintetični podatki: visoko zvesti sintetični podatki, ustvarjeni z diferencialno zasebnostjo, ki ohranjajo porazdelitve.
- Analitika in BI: podpora za API SQL in povezovalnike BI za pogosta orodja (Power BI, Tableau, Metabase).
- Strojno učenje: komplet za razvoj Pythonovih programov (SDK) omogoča oddaljeno obdelavo podatkov z uveljavljanjem zasebnosti (DP), ko je to potrebno.
- Dejanja nad podatki: pošiljanje rezultatov poizvedb na zunanje končne točke brez razkrivanja osebnih podatkov.
- Diferencialna zasebnost, prepisovanje poizvedb z zasebnostjo na prvem mestu in nadzor na ravni izhodnih podatkov zagotavljajo zasebnost v kompleksnih podatkovnih cevovodih.
Po čem se Sarus razlikuje
- Močna jamstva zasebnosti: diferencialna zasebnost, sintetični podatki in sprotno prepisovanje poizvedb z uveljavljanjem pravil.
- Podatki ostanejo pod nadzorom lastnikov: analitiki delajo z oddaljenimi podatki brez neposrednega dostopa do surovih podatkov.
- Olajša zagotavljanje skladnosti: podrobni revizijski dnevniki in poenostavljeni postopki za zasebnost in skladnost.
- Vrednost podatkov med ločenimi sistemi: omogoča vpoglede v podatke iz različnih sistemov, ne da bi ogrozil zasebnost.
- Podpira delovne tokove umetne inteligence in strojnega učenja ter uporabo velikih jezikovnih modelov (LLM) z jamstvi zasebnosti.
- Prilagodljiva namestitev: na lokalni infrastrukturi ali v javnem oblaku (Docker ali Kubernetes), s širokim naborom povezovalnikov za vire podatkov.