AWS Clean Rooms Hakkında SSS

Genel

AWS Clean Rooms, temel verileri birbirinize ifşa etmeden yeni öngörüler elde etmek amacıyla, ortak veri kümelerinizin sizin tarafınızdan ve çözüm ortaklarınız tarafından analiz edilmesini ve bu veri kümelerine yönelik olarak iş birliği kurulmasını kolaylaştırır. Birkaç dakika içinde kendi temiz odalarınızı oluşturabilir ve birkaç adımda çözüm ortaklarınızla ortak veri kümelerini analiz etmeye başlayabilirsiniz. AWS Clean Rooms ile verilerinizi AWS'den çıkarmak veya başka bir platforma yüklemek zorunda kalmadan AWS'yi kullanan yüz binlerce şirketle kolayca iş birliği yapabilirsiniz.

AWS Yönetim Konsolu'ndan ne tür bir analiz gerçekleştirmek istediğinizi, iş birliği yapmak istediğiniz çözüm ortaklarını ve bir iş birliğine hangi veri kümeleriyle katkıda bulunmak istediğinizi seçebilirsiniz. AWS Clean Rooms ile SQL sorguları ve makine öğrenimi olmak üzere iki tür analiz gerçekleştirebilirsiniz.

SQL sorguları çalıştırdığınızda AWS Clean Rooms ilgili verileri kaynağından okur ve verilerinizin üzerinde sürekli denetim sahibi olmanıza yardımcı olmak için yerleşik ve esnek analiz kurallarını uygular. AWS Clean Rooms, her bir temiz oda katılımcısı tarafından çalıştırılabilecek sorgularla ilgili kısıtlamaları özelleştirmenize olanak tanıyan birçok gizlilik artırıcı SQL denetimi (sorgu denetimleri, sorgu çıktısı kısıtlamaları ve sorguları günlüğe kaydetme gibi) sunar. Özel bir analiz kuralı seçerek ve ardından ayrımsal gizlilik parametrelerinizi yapılandırarak AWS Clean Rooms Diferansiyel Mahremiyet analizini de kullanabilirsiniz. Ayrımsal Gizlilik, birkaç tıklamayla matematiksel olarak desteklenen sezgisel denetimlerle kullanıcılarınızın gizliliğini korumanıza yardımcı olur. Ayrıca, Clean Rooms için Kriptografik Bilgi İşlem (C3R), SQL analizleriniz sırasında hassas verileri şifrelenmiş olarak tutmanıza yardımcı olur.

AWS Clean Rooms ML, ham verileri birbirinizle paylaşmak zorunda kalmadan tahmine dayalı öngörüler oluşturmak için sizin tarafınızdan veya çözüm ortağınız tarafından gizliliği artırıcı makine öğreniminin (ML) uygulanmasına olanak tanır. AWS Clean Rooms ML benzeri modelleme ile verilerinizi kullanarak kendi özel modelinizi eğitebilir ve çözüm ortaklarınızı iş birliğine kayıtlarının küçük bir örneğini taşıyarak siz ve iş ortağınızın temel verileri koruma altındayken benzer kayıtlardan oluşan daha büyük bir küme oluşturmaya davet edebilirsiniz. Sağlık hizmetleri modellemesi önümüzdeki aylarda kullanıma sunulacak.

AWS Clean Rooms ML, e-ticaret ve video yayını gibi çok çeşitli veri kümelerinde oluşturulmuş ve test edilmiştir ve müşterilerin temsili endüstri temellerine kıyasla benzer modelleme doğruluğunu %36'ya kadar artırmalarına yardımcı olabilir. Yeni müşteriler arama gibi gerçek dünya uygulamalarında, bu doğruluk iyileştirmesi milyon dolarlık tasarruflar anlamına gelebilir.

AWS Clean Rooms iş birlikleri, iş birliği üyelerinin ham verileri çözüm ortaklarıyla paylaşmadan SQL sorguları çalıştırmasına ve ML modellemesi gerçekleştirmesine olanak tanıyan güvenli mantıksal sınırlardır. İş birliğine yalnızca davet edilen şirketler katılabilir. Birden çok katılımcı iş birliğine veri konusunda katkıda bulunabilir ve üyeler sonuçları alabilir. AWS Clean Rooms iş birliklerine yalnızca davet edilen şirketler katılabilir.

AWS Yönetim Konsolu'nu veya API işlemlerini kullanarak temiz oda iş birliği oluşturabilir, iş birliği yapmak istediğiniz şirketleri davet edebilir ve iş birliği içindeki her katılımcının yeteneklerini seçebilirsiniz. Ardından katılımcılar yapılandırılmış verilerin nasıl sorgulanabileceğine ilişkin kurallar belirleyebilir ve verileriyle ML modellerini eğitebilir. Veri kümeleri katılımcı hesaplarından kopyalanmaz. Veri kümelerine yalnızca gerektiğinde erişilir. AWS Clean Rooms ile gerçekleştirmek istediğiniz analiz türünü seçebilirsiniz: SQL sorguları ve AWS Clean Rooms ML kullanarak ML modellemesi. SQL sorgularını kullanırken kodsuz analiz oluşturucu, AWS Clean Rooms Diferansiyel Gizlilik ve kriptografik bilgi işlem gibi ek özelliklerden de yararlanırsınız. İş birliği katılımcıları verileri veya modelleri bir iş birliği ile ilişkilendirdikten ve analizler çalıştıktan sonra, iş birliği çıktıları belirlenmiş Amazon Basit Depolama Hizmeti (Amazon S3) bucket'ında saklanır.

AWS Temiz Odalar, iş birliği başına beş katılımcıyı destekler.

AWS Clean Rooms iş birliğinize kimlerin katılacağını denetleyebilirsiniz. Yeni bir iş birliği oluşturabilir veya iş birliği davetlerini kabul ederek farklı iş birliklerine katılabilirsiniz. İş birliğine dahil olan herkes diğer katılımcıları görebilir ve iş birliği oluşturulduktan sonra yeni hesap eklenemez. Ancak isterseniz farklı müşterilerle veya çözüm ortaklarıyla yeni iş birliği oluşturabilirsiniz. İçeriğinize erişimi siz sağlar ve yönetirsiniz. Ayrıca denetlediğiniz kullanıcılar, gruplar, izinler ve kimlik bilgileri aracılığıyla AWS hizmetleri ile kaynaklarına erişimi siz ayarlarsınız.

Müşteriler, temel verileri paylaşmadan veya açıklamadan, çözüm ortaklarıyla ortak veri kümelerinde SQL veya AWS Clean Rooms ML modellemesini kullanarak öngörüler oluşturabilir.

SQL ile birden çok katılımcı veri ekleyebilir ancak yalnızca bir katılımcı SQL sorguları çalıştırabilir ve yalnızca bir katılımcı sonuçları alabilir. Katılımcılar iş birliğine katılırken, sorguları hangi tarafın yürüteceği, hangi tarafın sonuçları alacağı ve hesaplama ücretlerinden hangi tarafın sorumlu olacağı konusunda anlaşırlar. Yalnızca bu iş birliğine davet ettiğiniz kişiler, oluşturduğunuz analiz kurallarına göre öngörüler elde edebilir. AWS Clean Rooms iş birliği kurduğunuzda, iş birliğindeki her üye için özel kullanım örneklerinize uyacak farklı yetenekler belirleyebilirsiniz. Örneğin sorgu çıktısının farklı bir üyeye gitmesini istiyorsanız bir üyeyi sorgu yazabilen sorgu çalıştırıcısı olarak atarken sonuçları alabilecek sorgu sonucu alıcısı olarak başka bir üyeyi belirleyebilirsiniz. Bu da iş birliği oluşturucusuna, sorgu yapabilen üyenin sorgu sonuçlarına erişimi olmadığından emin olma imkanı verir.

AWS Clean Rooms ML ile katılımcılar, getirdikleri örnek kayıt kümesi ile çözüm ortaklarından benzer segmentler bulmak isterken, daha büyük popülasyona sahip diğer tarafın popülasyonundan, örnek kayıtlara benzerliklerine göre benzer segmentler oluşturulur. AWS Clean Rooms ML, çıktı olarak elde edilen benzer segmentleri, bunların elde edildiği daha büyük popülasyona sahip tarafın belirlediği hedefe gönderir.

AWS Varlık Çözümü, AWS Clean Rooms'a yerel olarak entegredir. Gizlilik açısından geliştirilmiş bir AWS Clean Rooms iş birliğinde kullanmayı seçtiğiniz herhangi bir ortak anahtarı (bulanıklaştırılmış tanımlayıcılar gibi) kullanarak kullanıcı verilerinizi hazırlamak, iş ortağınızın verileriyle eşleştirmek ve bir araya getirmek için kural tabanlı veya veri hizmeti sağlayıcısı tabanlı eşleştirme kullanabilirsiniz.

AWS Clean Rooms; ABD Doğu (Ohio), ABD Doğu (Kuzey Virginia), ABD Batı (Oregon), Asya Pasifik (Seul), Asya Pasifik (Singapur), Asya Pasifik (Sidney), Asya Pasifik (Tokyo), Avrupa (Frankfurt), Avrupa (İrlanda), Avrupa (Londra) ve Avrupa (Stokholm) Bölgelerinde kullanılabilir.

AWS Clean Rooms ile iş ihtiyaçlarınızı karşılamak için esnek SQL analiz kurallarını ve gizliliği artırıcı ML'yi kullanabilirsiniz. SQL analizini kullandığınızda, bir iş birliğinde çalıştırılan SQL sorgularının işlem kapasitesi için, temiz oda işleme birimi (CRPU) saati bazında saniye başına (60 saniyelik minimum ücretle) hangi katılımcının ödeme yapacağını esnek bir şekilde seçebilirsiniz. AWS Clean Rooms ML kullandığınızda, yalnızca talep ettiğiniz model eğitimleri ve oluşturulan benzer segmentler için, 1.000 profil başına fiyat üzerinden ödeme yaparsınız. Daha fazla bilgi için AWS Clean Rooms fiyatlandırması bölümüne bakın.

AWS Clean Rooms'da AWS Varlık Çözümü ile kural tabanlı veya sağlayıcı veri kümelerinden (örneğin LiveRamp) yararlandığınız veri hizmeti sağlayıcısı tabanlı eşleştirme kullanabilirsiniz.

Kural tabanlı eşleştirme kullandığınızda, iş birliğindeki en az bir üyenin, iş birliğini oluşturmadan veya buna katılmadan önce AWS Varlık Çözümü'nü kullanarak hazırlamadığı sürece verilerini, iş ortaklarının veri kümeleriyle eşleştirmeden önce hazırlaması gerekir. Bu üye, yalnızca kullanılırsa veri hazırlamayı öder. Bir iş birliğine katılan herhangi bir üye, veri eşleştirmeyi ödeyebilir. Ayrıca veri eşleştirme, iş birliği başına tek seferlik bir ücret gerektirir. Bu ücret, veri eşleştirmeyi ödeyen herhangi bir katılımcıya atanır.

Veri hizmeti sağlayıcısı tabanlı eşleştirme kullandığınızda, tüm iş birliği üyelerinin, sağlayıcı kimliklerini kullanarak verilerini hazırlamak için sağlayıcı aboneliği olması gerekir. Tüm iş birliği üyelerinin, iş birliğini oluşturmadan veya buna katılmadan önce AWS Varlık Çözümü'nü kullanarak hazırlamadıkları sürece verilerini, iş ortaklarının veri kümeleriyle eşleştirmeden önce sağlayıcı kimliklerini kullanarak hazırlamaları gerekir. Bir iş birliğine katılan herhangi bir üye, sağlayıcıların kimliklerinin kullanıldığı veri eşleştirmeyi ödeyebilir. Buna ek olarak, veri eşleştirmeyi ödeyen üyenin sağlayıcı aboneliği olması gerekir. AWS Veri Değişimi'nde (ADX) listelenen genel abonelikleri kullanabilir veya doğrudan tercih ettiğiniz veri hizmeti sağlayıcısından özel bir abonelik satın alıp ADX için Kendi Aboneliğini Getir (BYOS) seçeneğini kullanabilirsiniz. 

Daha fazla bilgi için AWS Clean Rooms'da AWS Varlık Çözümü fiyatlandırmasına bakın.

AWS Clean Rooms ML

AWS Clean Rooms ML, hassas bilgileri birbirinizle paylaşmadan tahmine dayalı öngörüleri ortaya çıkarmak için sizin tarafınızdan veya çözüm ortaklarınız tarafından toplu verileriniz üzerinde ML modelleri uygulanmasına yardımcı olur. Bu AWS Clean Rooms özelliğiyle çözüm ortaklarınızı temiz odaya davet edebilir ve her iş birliğine birkaç adımda benzer veri kümeleri oluşturmak üzere eğitilmiş, AWS tarafından yönetilen, kullanıma hazır bir ML modeli uygulayabilirsiniz. Böylece kendi modelinizi oluşturmak, eğitmek, ayarlamak ve dağıtmak için aylarca süren geliştirme zahmetinden kurtulabilirsiniz.

AWS Clean Rooms ML, müşterilere birçok kullanım örneğinde yardımcı olur. Örneğin, bir hava yolu şirketi müşterileri hakkındaki verileri kullanabilir, çevrimiçi rezervasyon hizmetiyle iş birliği yapabilir ve benzer özelliklere sahip potansiyel yolcuları belirleyebilir. Araç kredisi veren ve araç sigortası yapan kuruluşlar, mevcut bir kiraya veren kümesiyle aynı özelliklere sahip potansiyel araç sigortası müşterilerini belirleyebilir. Markalar ve yayıncılar ise pazar içi müşterilerin benzer segmentlerini modelleyebilir ve her iki şirket de temel verilerini birbirleriyle paylaşmadan oldukça alakalı reklam deneyimleri sunabilir. Sağlık hizmetleri modellemesi önümüzdeki aylarda kullanıma sunulacak.

AWS Clean Rooms ML, e-ticaret ve video yayını gibi çeşitli veri kümelerinde oluşturuldu ve test edildi. Müşterilerin, temsili sektörel referans değerlerine kıyasla benzer modelleme doğruluğunu %36'ya varan oranda artırmasına yardımcı olabilir. Yeni müşteri arama gibi gerçek dünya uygulamalarında, bu doğruluk artışı milyonlarca dolar tasarruf anlamına gelebilir.

AWS Clean Rooms ML benzeri modelleme ile verilerinizi kullanarak kendi özel modelinizi eğitebilir ve çözüm ortaklarınızı, kayıtlarının küçük bir örneğini iş birliğine taşıyarak siz ve iş ortağınızın temel verileri koruma altındayken benzer kayıtlardan oluşan daha büyük bir küme oluşturmaya davet edebilirsiniz. AWS Clean Rooms ML, bir taraftan küçük bir kayıt örneği alır ve başka bir katılımcının veri kümesinden çok daha büyük bir kayıt kümesi veya benzer bir segment bulur. AWS Clean Rooms ML, taraflardan hiçbiri ile veri paylaşmaz ve taraflar istedikleri zaman verilerini kaldırabilir veya özel bir modeli silebilir. Ortaya çıkan benzer segment için istediğiniz boyutu belirtebilirsiniz. AWS Clean Rooms ML, örnek listenizdeki benzersiz profilleri çözüm ortağınızın veri kümesindeki profillerle özel olarak eşleştirir ve katılımcınızın veri kümesindeki her profilin örneğinizdeki profillere ne kadar benzer olduğunu tahmin eden bir ML modeli eğitir. AWS Clean Rooms ML, örnek listeye benzer profilleri otomatik olarak gruplandırır ve ortaya çıkan benzer segmenti çıktı olarak verir. AWS Clean Rooms ML, çözüm ortaklarınızla ML modelleri oluşturmak, eğitmek ve dağıtmak için veri paylaşma ihtiyacını ortadan kaldırır. AWS Clean Rooms ML ile verileriniz yalnızca sizin modelinizi eğitmek için kullanılır; AWS model eğitiminde kullanılmaz. Size ve çözüm ortaklarınıza modelin tahmine dayalı sonuçlarını ayarlamada yardımcı olan sezgisel deneyimleri kullanabilirsiniz.

Güvenlik ve veri koruması

Veri koruma, AWS'nin güvenlik temeliyle başlar. AWS Clean Rooms; AWS Kimlik ve Erişim Yönetimi (IAM), AWS Anahtar Yönetimi Hizmeti (AWS KMS) ve AWS CloudTrail gibi AWS güvenlik hizmetlerinin üzerine kuruludur. Bu sayede mevcut veri koruma stratejinizi, veri iş birliği iş yüklerini kapsayacak şekilde genişletmenize olanak tanır. AWS Clean Rooms ile tüketici öngörüleri, pazarlama ölçümleri, tahminde bulunma veya risk değerlendirmesi analizi gerçekleştirme amacıyla verilerinizin bir kopyasını AWS ortamınızın dışında tutmanıza ve başka bir yere göndermenize gerek kalmaz.

AWS Clean Rooms iş birliği kurup SQL analizini kullandığınızda, iş birliğindeki her üye için özel kullanım örneklerinize uyacak farklı yetenekler belirleyebilirsiniz. Örneğin sorgu çıktısının farklı bir üyeye gitmesini istiyorsanız bir üyeyi sorgu yazabilen sorgu çalıştırıcısı olarak atarken sonuçları alabilecek sorgu sonucu alıcısı olarak başka bir üyeyi belirleyebilirsiniz. Bu da iş birliği oluşturucusuna, sorgu yapabilen üyenin sorgu sonuçlarına erişimi olmadığından emin olma imkanı verir.

AWS Clean Rooms'ta, analiz kurallarını yapılandırarak veri tablolarınızda çalıştırılabilecek sorgu türlerini veya belirli sorguları kısıtlamanıza olanak tanıyan SQL sorgu denetimleri bulunur. AWS Clean Rooms üç tür SQL analiz kuralını destekler: toplama, listeme ve özel. Toplama analiz kuralı ile tablonuzu yalnızca toplu istatistikler oluşturan sorgulara (kampanya ölçümü veya ilişkilendirme gibi) izin verilecek şekilde yapılandırabilirsiniz. Listeleme analiz kuralı ile denetimleri yalnızca sorguyu çalıştıran üyenin veri kümeleriyle sizin veri kümelerinizin kesişimini analiz eden sorgulara izin verilecek şekilde yapılandırabilirsiniz. Özel analiz kuralıyla, veri kümenizde belirli hesapların veya sorguların çalıştırılmasına izin verecek şekilde sorgu düzeyinde denetimler yapılandırabilirsiniz. Özel analiz kurallarını kullanırken, Ayrımsal Gizlilik kullanmayı seçebilirsiniz. AWS Clean Rooms Diferansiyel Gizlilik, matematiksel olarak desteklenen, kullanımı kolay denetimlerle birkaç adımda kullanıcılarınızın gizliliğini korumanıza yardımcı olur. AWS Clean Rooms'un tam olarak yönetilen bir özelliği olarak, kullanıcılarınızın tanımlanmasını önlemeniz için önceden ayrımsal gizlilik deneyimine gerek yoktur. Diğer bir denetim; sorguların, kimliği saptanabilir küçük gruplara kadar ayrıntıya inmesini engelleyen toplama eşikleridir.

AWS Clean Rooms ML ile verileriniz yalnızca sizin modelinizi eğitmek için kullanılır; AWS model eğitiminde kullanılmaz. AWS Clean Rooms ML, herhangi bir şirketin eğitim verilerini veya benzer segment verilerini bir başkasınınkiyle birlikte kullanmaz ve modelinizi ve eğitim verilerinizi istediğiniz zaman silebilirsiniz.

Hayır. Veri kümeleri katılımcıların AWS hesaplarında saklanır. AWS Clean Rooms; sorguları çalıştırmak, kayıtları eşleştirmek, ML modellerini eğitmek veya çekirdek segmentleri genişletmek için katılımcı hesaplarındaki verileri geçici olarak okur. Bir analizin sonuçları, analiz için tasarlanmış S3 konumuna gönderilir.

AWS Clean Rooms'da AWS Varlık Çözümü, iş birliğine dahil olan tarafların tanımlayıcıları arasında eşlenen bir veri kümesi oluşturur. Eşleme veri kümesi AWS Clean Rooms tarafından yönetilir. İş birliğindeki hiçbir üye eşleme tablosunu görüntüleyemez veya indiremez. İş birliğindeki tüm üyeler bu gizlilik uygulamasını gevşetmeyi kabul ederse eşleme tablosu belirli kullanım örnekleri için sorgulanabilir. Taraflar tabloyu herhangi bir aşamada silebilir.

AWS Clean Rooms ML tarafından oluşturulan modeller hizmet tarafından saklanır, müşteri tarafından yönetilen bir AWS KMS anahtarıyla şifrelenebilir ve müşteri tarafından herhangi bir noktada silinebilir.

AWS Temiz Odalar şifreleme ve analiz kuralları, paylaşmak istediğiniz veri türleri üzerinde ayrıntılı denetime sahip olmanıza olanak tanır. Veri katılımcısı olarak kimlik saptama riski dahil olmak üzere her iş birliğinin getirdiği riskleri değerlendirmek ve veri gizliliği yasalarıyla uyumluluk sağlamak için gerekli ek adımları atmak sizin sorumluluğunuzdadır. Hassas veya çeşitli düzenlemelerle korunan veriler paylaşıyorsanız gizlilik risklerini azaltmak için uygun yasal anlaşmaları ve denetim mekanizmalarını da sürece dahil etmeniz önerilir.

Evet. AWS Hizmet Koşulları, AWS Clean Rooms kapsamında iş birlikleri için belirli kullanım örneklerini yasaklar.

Evet. AWS HIPAA uyumluluk programı, HIPAA için uygun bir hizmet olarak AWS Clean Rooms'u içerir. AWS ile yürürlükte olan bir İş Ortaklığı Ek Sözleşmeniz (BAA) varsa artık AWS Clean Rooms kullanarak HIPAA uyumlu iş birlikleri oluşturabilirsiniz. BAA'nız yoksa veya HIPAA'ya uygun uygulamalarınız için AWS'yi kullanma konusunda başka sorularınız varsa daha fazla bilgi edinmek üzere bize başvurun. Daha fazla bilgi edinmek için AWS HIPAA Uyumluluğu ve Sağlık ve Yaşam Bilimleri İçin AWS bölümlerine bakın.

SQL analizleri

SQL analiz kuralında her bir sütunun sorgularda nasıl kullanılacağını tanımlamanıza yardımcı olan, sütun düzeyinde denetimler yapılandırabilirsiniz. Örneğin, hangi sütunların toplu istatistikleri [SUM(price) gibi] hesaplamak için, hangi sütunların tablonuzu diğer iş birliği üyelerinin tablolarıyla birleştirmek için kullanılacağını belirleyebilirsiniz. Toplama analiz kuralında, her çıktı satırının ulaşması gereken bir minimum toplama eşiği de tanımlayabilirsiniz. Minimum eşiği karşılamayan satırlar AWS Clean Rooms tarafından otomatik olarak filtrelenerek dışarıda bırakılır.

Evet. AWS Clean Rooms'u yapılandırarak sorgu günlüklerini Amazon CloudWatch Günlükleri'ne aktarmasını sağlayabilirsiniz. Ayrıca özel analiz kuralıyla, analiz şablonlarında depolanan sorguları iş birliğinde yürütülmeden önce gözden geçirebilirsiniz. 

AWS Clean Rooms Ayrımsal Gizlilik

Ayrımsal gizlilik, veri gizliliğinin korunmasına yardımcı olmak için matematiksel olarak kanıtlanmış bir çerçevedir. Ayrımsal gizliliğin ilk avantajı, analiz edilen bir veri kümesinde tek bir bireyin varlığını veya yokluğunu gizlemek için kontrollü miktarda rastgelelik (gürültü) ekleyerek verilerin bireysel düzeyde korunmasına yardımcı olmaktır.

AWS Clean Rooms Diferansiyel Gizlilik, matematiksel olarak desteklenen, kullanımı kolay denetimlerle birkaç adımda kullanıcılarınızın gizliliğini korumanıza yardımcı olur. AWS Clean Rooms'un tam olarak yönetilen bir özelliği olarak, kullanıcılarınızın tanımlanmasını önlemeniz için önceden ayrımsal gizlilik deneyimine gerek yoktur. AWS Clean Rooms Ayrımsal Gizlilik, reklam kampanyaları, yatırım kararları, klinik araştırmalar ve daha fazlası hakkında öngörüler oluşturmak üzere çok çeşitli SQL sorguları çalıştırabilmeniz için iş birliklerinde toplu öngörüler oluşturmada herhangi bir bireyin verisinin katkısını gizler.

AWS Clean Rooms Ayrımsal Gizlilik'i, AWS Clean Rooms iş birliğine başladıktan veya katıldıktan birkaç adım sonra, veri katkıda bulunma yeteneğine sahip üye olarak kullanmaya başlayabilirsiniz. AWS Glue Veri Kataloğu'ndaki tablonuza referans olan yapılandırılmış bir tablo oluşturduktan sonra, yapılandırılmış tabloya özel bir analiz kuralı eklerken ayrımsal gizlilik özelliğini açmayı seçmeniz yeterlidir. Ardından, yapılandırılmış tabloyu AWS Clean Rooms iş birliğinizle ilişkilendirir ve tablonuzu sorgulamaya hazır hale getirmek için iş birliğinde farklı bir gizlilik politikası yapılandırırsınız. Kurulumu hızlı bir şekilde tamamlamak için varsayılan politikayı kullanabilir veya özel gereksinimlerinizi karşılayacak şekilde özelleştirebilirsiniz.

AWS Clean Rooms Diferansiyel Gizlilik kurulduktan sonra iş birliği çözüm ortağınız, diferansiyel gizlilik kavramları konusunda uzmanlık veya çözüm ortaklarından ek kurulum gerekmeden tablonuzda sorgu çalıştırmaya başlayabilir. AWS Clean Rooms Ayrımsal Gizlilik ile sorgu çalıştırıcılar, ortak tablo ifadeleri (CTE'ler) ve COUNT ve SUM gibi yaygın olarak kullanılan toplama işlevleri içeren karmaşık sorgu kalıpları dahil olmak üzere özel ve esnek analizler çalıştırabilir.

Kriptografik bilgi işlem

Kriptografik bilgi işlem, hassas verileri kullanım sırasında korumaya ve şifrelemeye yönelik bir yöntemdir. Veriler depolama sırasında beklerken, aktarım sırasında hareket hâlindeyken ve kullanım sırasında şifrelenebilir. Şifreleme, düz metin biçimindeki verileri belirli bir "anahtar" olmadan çözülemeyen şifrelenmiş veriler haline dönüştürmeyi ifade eder. Özel küme kesişimi (PSI), veri kümelerine sahip olan iki veya daha fazla tarafın hesaplama gerçekleştirmek için şifrelenmiş sürümleri karşılaştırmasını sağlayan kriptografik bilgi işlem türüdür. Şifreleme, şirket içi ortamda paylaşan katılımcının gizli anahtarıyla gerçekleşir.

AWS Clean Rooms'un içerdiği C3R, AWS Clean Rooms iş birliklerinde diğer katılımcılarla paylaşılan gizli anahtarı kullanan istemci tarafı şifreleme aracıyla [SDK veya komut satırı arabirimi (CLI)] verileri önceden şifreleme seçeneği sunar. Bu şekilde sorgu çalıştırıldığında veriler şifrelenir.