无论你是城市规划师还是小型企业CEO或者是一名软件开发者，利用好数据可以让你更好地为客户提供服务，但是如果没有强有力的隐私保护，你也可能因此失去用户的信任。
差分隐私是数据分析的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会。例如，如果您是一名健康研究人员，您可能想要比较不同医院的患者住院的平均时间，以确定在护理方面是否存在差异。差别隐私是一种高度可靠的分析方法，可以在确保个人隐私的前提下做数据分析。
近日，谷歌开源了其差异隐私平台，该技术已经用于谷歌内部的一些核心应用，谷歌表示开源该技术是为了满足开发人员的需求而设计的。除了可以自由访问，它还希望它易于部署和使用。
以下是该库的一些功能特性：
统计功能：这个版本支持大多数常见的数据科学操作。开发人员可以使用该库计算计数、和、平均值、中位数和百分位数等运算。
严格的测试：正确区分隐私是一项挑战。除了一个广泛的测试组件，它还包括一个可扩展的“随机差异隐私模型检查器库”，以此避免发生错误。
快速入门：开源发行版的真正用途在于回答“我可以使用这个吗?”这也是为什么谷歌加入了一个PostgreSQL扩展和一些常用操作指南的原因。此外，谷歌特地在一篇技术论文中描述了该库使用方法的细节
模块化：谷歌设计的这个开源库可以扩展到其他功能，比如附加机制、聚合功能或隐私预算管理。
自从我们在2014年发布RAPPOR以帮助改进Chrome 以来，谷歌一直致力于研究和开发实用的差异私有技术，例如出行软件 Project Fi 中可以了解一天中的业务繁忙程度、特定餐厅的菜肴在 Google 地图中的受欢迎程度等。
今年，宣布了几项开源隐私技术——Tensorflow Privacy, Tensorflow Federated, Private Join and Compute，涵盖的领域从医学到政府再到商业等。
如今differential-privacy已经在Github上获得 648 个Star，62 个Fork（Github地址：https://github.com/google/differential-privacy/）
