Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Pertimbangan dan batasan
AWS Clean Rooms membantu Anda dan mitra Anda menganalisis dan berkolaborasi dalam kumpulan data kolektif untuk mendorong wawasan baru tanpa mengungkapkan data yang mendasarinya satu sama lain. Verifikasi bahwa konfigurasi kolaborasi data Anda mematuhi persyaratan privasi, keamanan, hukum, dan kepatuhan organisasi Anda.
AWS Clean Rooms menawarkan berbagai kontrol peningkatan privasi untuk kasus penggunaan kolaborasi data Anda:
Pertimbangkan kontrol perbandingan saat tabel Anda berisi kolom kardinalitas rendah atau pengenal semu — seperti kode pos atau pita usia — atau saat pelari kueri tidak sepenuhnya dipercaya. Untuk informasi selengkapnya, lihat Kontrol perbandingan.
Asumsi tentang pertanyaan yang berpotensi bermusuhan
Untuk membantu Anda dan mitra Anda mempertahankan kontrol yang Anda butuhkan, AWS Clean Rooms buat asumsi berikut mengenai kolaborasi data yang ditingkatkan privasi:
-
Asumsikan pelari kueri mencoba mengekstrasi data tingkat pengguna
-
Asumsikan penyedia data lain mencoba mengeksfiltrasi data tingkat pengguna
-
Asumsikan pelari kueri dan penyedia data lainnya berkolusi untuk mengeksfiltrasi data tingkat pengguna
Batasan
Perhatikan batasan berikut:
-
Agregasi data yang diberlakukan oleh ambang agregasi minimum sendiri tidak mengatasi risiko eksfiltrasi potensial lainnya seperti serangan yang berbeda. Untuk informasi selengkapnya, lihat Serangan yang berbeda.
-
Permukaan SQL untuk kueri menggunakan ambang agregasi minimum dibatasi. Untuk daftar lengkap konstruksi SQL yang didukung dan tidak didukung, lihat. Kemampuan SQL untuk kontrol agregasi dan perbandingan minimum
-
Ambang agregasi minimum tidak diberlakukan padaCOUNT,COUNT(DISTINCT), atau APPROX_COUNT_DISTINCT berfungsi di atas satu tabel tanpa pengelompokan atau gabungan.
Serangan yang berbeda
Serangan yang berbeda terjadi ketika seseorang menjalankan dua kueri yang berbeda oleh satu individu, kemudian mengurangi hasil untuk mengisolasi data orang tersebut, meskipun setiap kueri sendiri hanya mengembalikan agregat.
Contoh:
-
Query A: SUM (gaji) WHERE departemen = 'Penjualan' → 1.000.000
-
Query B: SUM (gaji) WHERE departemen = AND nama 'Penjualan'! = 'Jane' → 950,000
-
Selisih: Jane menghasilkan 50.000.
Setiap kueri melewati pemeriksaan ukuran grup minimum (ambang agregasi minimum), tetapi kombinasi tersebut membocorkan nilai satu subjek data dengan menjalankan beberapa kueri. Ambang batas per-kueri tidak membahas vektor serangan yang berbeda ini.
Untuk mengurangi risiko serangan massal, adopsi anggaran akses data dan kebijakan privasi diferensial.
