Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Benutzerdefinierte Analyseregel mit unterschiedlichem Datenschutz
In AWS Clean Rooms, die benutzerdefinierte Analyseregel unterstützt differenzierten Datenschutz. Differential Privacy ist ein mathematisch strenger Rahmen für den Datenschutz, der Ihnen hilft, Ihre Daten vor erneuten Identifikationsversuchen zu schützen.
Differential Privacy unterstützt aggregierte Analysen wie die Planung von Werbekampagnen, Messungen nach Werbekampagnen, Benchmarking in einem Konsortium von Finanzinstituten und A/B Tests für die Gesundheitsforschung.
Die unterstützte Abfragestruktur und Syntax sind definiert in Struktur und Syntax der Abfrage.
Beispiel für eine benutzerdefinierte Analyseregel mit unterschiedlichem Datenschutz
Anmerkung
AWS Clean Rooms Differential Privacy ist nur für Kollaborationen verfügbar, bei denen die Daten in Amazon S3 gespeichert sind.
Beachten Sie die Beispiel für eine benutzerdefinierte Analyseregel im vorherigen Abschnitt vorgestellt. Dieses Beispiel zeigt, wie Sie differenzierten Datenschutz verwenden können, um Ihre Daten vor erneuten Identifikationsversuchen zu schützen und gleichzeitig Ihrem Partner zu ermöglichen, geschäftskritische Erkenntnisse aus Ihren Daten zu gewinnen. Gehen Sie davon aus, dass Unternehmen B, das über die Zuschauerdaten verfügt, seine Daten mithilfe von Differential Privacy schützen möchte. Um die Einrichtung des differentiellen Datenschutzes abzuschließen, führt Unternehmen B die folgenden Schritte durch:
-
Unternehmen B aktiviert den differenziellen Datenschutz und fügt gleichzeitig eine benutzerdefinierte Analyseregel zur für die Anzahl der Benutzer konfigurierten Tabelle hinzu. Unternehmen B wählt
viewershipdata.hashedemailals Spalte mit der Benutzerkennung. -
Firma B fügt eine differenzierte Datenschutzrichtlinie hinzu in der Zusammenarbeit, um ihre Zuschauerdatentabelle für Abfragen zur Verfügung zu stellen. Unternehmen B wählt die Standardrichtlinie aus, um die Einrichtung schnell abzuschließen.
Unternehmen A, das die Umsatzsteigerung einer Werbekampagne auf der Website von Unternehmen B ermitteln möchte, führt die Analysevorlage aus. Weil die Abfrage mit dem allgemeinen Zweck kompatibel ist Struktur der Abfrage von AWS Clean Rooms Differential Privacy, die Abfrage wird erfolgreich ausgeführt.
Struktur und Syntax der Abfrage
Abfragen, die mindestens eine Tabelle enthalten, für die der differenzielle Datenschutz aktiviert ist, müssen der folgenden Syntax entsprechen.
query_statement: [cte, ...] final_select cte: WITH sub_query AS ( inner_select [ UNION | INTERSECT | UNION_ALL | EXCEPT/MINUS ] [ inner_select ] ) inner_select: SELECT [user_id_column, ] expression [, ...] FROM table_reference [, ...] [ WHERE condition ] [ GROUP BY user_id_column[, expression] [, ...] ] [ HAVING condition ] final_select: SELECT [expression, ...] | COUNT | COUNT_DISTINCT | SUM | AVG | STDDEV FROM table_reference [, ...] [ WHERE condition ] [ GROUP BY expression [, ...] ] [ HAVING COUNT | COUNT_DISTINCT | SUM | AVG | STDDEV | condition ] [ ORDER BY column_list ASC | DESC ] [ OFFSET literal ] [ LIMIT literal ] expression: column_name [, ...] | expression AS alias | aggregation_functions | window_functions_on_user_id | scalar_function | CASE | column_name math_expression [, expression] window_functions_on_user_id: function () OVER (PARTITION BY user_id_column, [column_name] [ORDER BY column_list ASC|DESC])
Anmerkung
Beachten Sie bei der Struktur und Syntax von Differential Privacy bei Abfragen mit unterschiedlichem Datenschutz Folgendes:
-
Sub-queries werden nicht unterstützt.
-
Common Table Expressions (CTEs) sollten die Benutzer-ID-Spalte ausgeben, wenn eine Tabelle oder ein CTE Daten enthält, die durch differentiellen Datenschutz geschützt sind. Filter, Gruppierungen und Aggregationen sollten auf Benutzerebene erfolgen.
-
Final_select ermöglicht die Aggregatfunktionen COUNT DISTINCT, COUNT, SUM, AVG und STDDEV.
Weitere Informationen darüber, welche SQL-Schlüsselwörter für den differenziellen Datenschutz unterstützt werden, finden Sie unter SQL-Funktionen von AWS Clean Rooms Differenzierter Datenschutz.