या साइटवरील सामग्री कृत्रिम बुद्धिमत्ता (AI) किंवा मशीन भाषांतर तंत्रज्ञानाचा वापर करून भाषांतरित केली आहे आणि त्यात त्रुटी असू शकतात.

Skip to content
Systems

अर्बोरेटम: विभेदन गोपनीयतेसह मोठ्या प्रमाणावर संघटित विश्लेषणासाठी एक नियोजक

View Publication

Author

एलिझाबेथ मार्गोलिन (पेंसिल्व्हेनिया विद्यापीठ), करण न्यूआटिया (पेंसिल्व्हेनिया विद्यापीठ), ताओ लू (पेंसिल्व्हेनिया विद्यापीठ), एडो रोथ (पेंसिल्व्हेनिया विद्यापीठ), अँड्रियास हेबरलेन (पेंसिल्व्हेनिया विद्यापीठ / रॉब्लॉक्स)

Venue

SOSP 2023

Abstract

फेडरेटेड अ‍ॅनालिटिक्स ही अनेक पक्षांमध्ये पसरलेल्या संवेदनशील डेटावर प्रश्नोत्तरे देण्याची एक पद्धत आहे, ज्यात डेटा शेअर न करता किंवा एका ठिकाणी गोळा न करता तो वापरला जातो. पूर्वीच्या कामात असे उपाय विकसित केले गेले आहेत जे लाखो उपकरणांसह मोठ्या प्रमाणावर तैनात करता येऊ शकतात, परंतु फेडरेटेड अ‍ॅनालिटिक्सच्या वितरित स्वरूपामुळे हे उपाय फक्त मर्यादित प्रकारच्या प्रश्नांना समर्थन देऊ शकतात – सामान्यतः विविध प्रकारच्या संख्यात्मक प्रश्नांना, ज्यांना हलक्या क्रिप्टोग्राफिक प्रिमिटिव्हसह उत्तर देता येते. वर्गीय क्वेरीसारख्या अधिक समृद्ध क्वेरींना समर्थन देण्यासाठी जड क्रिप्टोग्राफीची आवश्यकता असते, ज्याचा खर्च अगदी शक्तिशाली डेटा सेंटरच्या संसाधनांपेक्षाही पटकन जास्त होऊ शकतो. या पेपरमध्ये, आम्ही आर्बोरॅटम सादर करतो, ही एक नवीन फेडरटेड अ‍ॅनालिटिक्स प्रणाली आहे जी लाखो किंवा अगदी अब्जावधी सहभागी असलेल्या तैनातींमध्ये वर्गीय क्वेरींसह अधिक विस्तृत श्रेणीच्या क्वेरींना कार्यक्षमतेने उत्तर देऊ शकते. आर्बोरेटम हे 1) प्रत्येक क्वेरीचे उत्तर देण्याचे अत्यंत कार्यक्षम मार्ग शोधण्यासाठी क्वेरी योजनांचे स्वयंचलितपणे अनुकूलन करून, आणि 2) गणनेत सहभागी उपकरणांचा समावेश करून हे साध्य करते. आमच्या मूल्यांकनातून असे दिसून आले आहे की आर्बोरेटम विशिष्ट प्रकारच्या क्वेरींसाठी हाताने अनुकूलित केलेल्या पूर्वीच्या प्रणालींच्या खर्चाशी जुळवून घेऊ शकते, आणि ते आज अस्तित्वात नसलेल्या कार्यक्षम उपायांसह अनेक नवीन क्वेरींना देखील समर्थन देऊ शकते.