無論你是城市規劃師還是小型企業CEO或者是一名軟件開發者，利用好數據可以讓你更好地爲客戶提供服務，但是如果沒有強有力的隱私保護，你也可能因此失去用戶的信任。
差分隱私是數據分析的一種手段，旨在提供一種當從統計數據庫查詢時，最大化數據查詢的準確性，同時最大限度減少識別其記錄的機會。例如，如果您是一名健康研究人員，您可能想要比較不同醫院的患者住院的平均時間，以確定在護理方面是否存在差異。差別隱私是一種高度可靠的分析方法，可以在確保個人隱私的前提下做數據分析。
近日，谷歌開源了其差異隱私平臺，該技術已經用於谷歌內部的一些核心應用，谷歌表示開源該技術是爲了滿足開發人員的需求而設計的。除了可以自由訪問，它還希望它易於部署和使用。
以下是該庫的一些功能特性：
統計功能：這個版本支持大多數常見的數據科學操作。開發人員可以使用該庫計算計數、和、平均值、中位數和百分位數等運算。
嚴格的測試：正確區分隱私是一項挑戰。除了一個廣泛的測試組件，它還包括一個可擴展的“隨機差異隱私模型檢查器庫”，以此避免發生錯誤。
快速入門：開源發行版的真正用途在於回答“我可以使用這個嗎?”這也是爲什麼谷歌加入了一個PostgreSQL擴展和一些常用操作指南的原因。此外，谷歌特地在一篇技術論文中描述了該庫使用方法的細節
模塊化：谷歌設計的這個開源庫可以擴展到其他功能，比如附加機制、聚合功能或隱私預算管理。
自從我們在2014年發佈RAPPOR以幫助改進Chrome 以來，谷歌一直致力於研究和開發實用的差異私有技術，例如出行軟件 Project Fi 中可以瞭解一天中的業務繁忙程度、特定餐廳的菜餚在 Google 地圖中的受歡迎程度等。
今年，宣佈了幾項開源隱私技術——Tensorflow Privacy, Tensorflow Federated, Private Join and Compute，涵蓋的領域從醫學到政府再到商業等。
如今differential-privacy已經在Github上獲得 648 個Star，62 個Fork（Github地址：https://github.com/google/differential-privacy/）