AWS Temiz Odalar özellikleri

AWS Clean Rooms ile AWS ortamının dışında verilerinizin bir kopyasını tutmak veya bu verileri başka bir platforma yüklemek zorunda kalmadan AWS'yi kullanan yüz binlerce şirketle kolayca iş birliği yapabilirsiniz. İş birliği oluşturduktan veya var olan bir iş birliğine katıldıktan sonra AWS Glue Veri Kataloğunuzdan veri tablolarınızı yapılandırabilirsiniz. Kayıt eşleştirdiğinizde, sorgu çalıştırdığınızda, ML modeli eğittiğinizde veya tahmine dayalı öngörü oluşturduğunuzda, AWS Clean Rooms verileri bulunduğu yerden okur. AWS Clean Rooms'da AWS Varlık Çözümü kullandığınızda, birden çok katılımcının tanımlayıcıları arasında eşlenen bir veri kümesi yapılandırmak için kullanılan temel veriler, katılımcılar arasında hiçbir zaman paylaşılmaz veya açıklanmaz. SQL sorgu analizi kullandığınızda, her katılımcının temel verilerini korumak için otomatik olarak uygulanan, verilerinizde izin verilen kuralları ve SQL sorgu kısıtlamalarını belirtebilirsiniz. Örneğin minimum toplama eşikleri gibi çıktı kısıtlamaları yapılandırabilirsiniz. AWS Clean Rooms ML kullandığınızda, bir modeli eğitmek veya benzer bir segment oluşturmak için kullanılan temel veriler hiçbir zaman katılımcılar arasında paylaşılmaz, açıklanmaz veya AWS tarafından modelleri eğitmede kullanılmaz.

Tüm AWS Clean Rooms işlevlerine AWS Yönetim Konsolu'na ek olarak API aracılığıyla da erişebilirsiniz. AWS Clean Rooms operasyonlarını otomatikleştirmek, Clean Rooms işlevlerini mevcut iş akışlarınıza ve ürünlerinize entegre etmek ya da müşterilerinize sunmak üzere kendi temiz oda teklifi sürümünüzü oluşturmak için AWS SDK'lerini veya komut satırı arabirimini (CLI) kullanabilirsiniz.

AWS Clean Rooms'da AWS Varlık Çözümü ile siz ve katılımcılar, gizlilik açısından geliştirilmiş bir AWS Clean Rooms iş birliğinde ilgili müşteri kayıtlarını daha kolay hazırlayıp eşleştirebilirsiniz. Kural tabanlı veya veri hizmeti sağlayıcısı tabanlı eşleştirme tekniklerini kullanarak, reklam kampanyası planlaması, hedefleme ve ölçüm gibi kullanım örnekleri için veri eşleştirmesini iyileştirebilirsiniz. Kayıtları cihazlar, platformlar ve kanallar genelinde bir araya getirmek için, yapılandırılabilir eşleştirme mantığını veya LiveRamp gibi güvenilir veri hizmeti sağlayıcılarının veri kümelerini ve kimliklerini kullanabilirsiniz.

Analiz kuralları, verilerinizin nasıl analiz edilebileceği konusunda size yerleşik denetim sağlayan kısıtlamalardır. Tayin edilmiş sorgu çalıştırıcılar olarak bir iş birliği oluşturan veya bir iş birliğine katılan iş birliği üyeleri, belirlediğiniz analiz kurallarına tabi şekilde veri tablolarınızla kesişecek ve bunları analiz edecek sorgular yazabilir. AWS Clean Rooms üç tür analiz kuralını destekler: toplama, listeme ve özel.

Toplama analizi kuralı: Toplama analizi kuralı, iki veri kümesi kesişiminin ne kadar büyük olduğu gibi toplu istatistikler oluşturan sorgular çalıştırmanıza olanak tanır. Toplama analizi kuralını kullanırken, verilerinizde yalnızca toplama sorgularının çalıştırılabilmesini yürürlüğe koyabilir ve kör eşleşmelerde yalnızca hangi sütunların kullanılması gerektiği ve toplamlar, sayımlar veya ortalamalar gibi toplamalarda hangi sütunların kullanılabileceği gibi çalıştırılan sorguların belirli bölümlerinde kısıtlamalar uygulayabilirsiniz. Ayrıca çıktıdaki minimum toplama kısıtlamasını da denetlersiniz.  Döndürülecek çıktı satırları için koşullar belirlemenize olanak tanıyan minimum toplama kısıtlamaları da ayarlayabilirsiniz. Bu kısıtlamalar şu şekildedir: COUNT DISTINCT (Sütun) >= Eşik. Sorgu sonuçlarındaki bir çıktı satırı, kısıtlamaların hiçbirini sağlamıyorsa sonuç kümesinden kaldırılır. Bu özellik minimum toplama eşiklerinin otomatik olarak uygulanmasını sağlarken kendi seçtikleri sorguları yazabilen veri katılımcılarına esneklik sağlamanıza olanak tanır.

Listeleme analizi kuralı: Listeleme analizi kuralı, iki veri kümesinin çakışması gibi birden çok veri kümesi kesişiminin satır düzeyinde listesini çıkaran sorgular çalıştırmanıza olanak tanır. Listeleme analizi kuralını kullanırken, verilerinizde yalnızca listeleme sorgularının çalıştırılabilmesini yürürlüğe koyabilir ve kör eşleşmelerde yalnızca hangi sütunların kullanılması gerektiği ve çıktıda liste olarak hangi sütunların çıktısının alınabileceği gibi çalışan sorgularda kısıtlamalar uygulayabilirsiniz.

Özel analiz kuralı: Özel analiz kuralı, ortak tablo ifadeleri (CTE) ve pencere işlevleri gibi ANSI standardı SQL'in çoğunu kullanarak özel sorgular oluşturmanıza olanak tanır. Ayrıca, iş birliği ortakları bunları çalıştırmadan önce sorguları inceleyebilir ve bunlara izin verebilir ve diğer katılımcıların sorgularını tablolarınızda çalıştırma izni verilmeden önce gözden geçirebilirsiniz. Özel analiz kuralını kullanırken, analizler tamamlandıktan sonra sorgu günlüklerine güvenmek yerine, temel verilerinizin nasıl analiz edilebileceğini önceden belirlemek veya sınırlamak için yerleşik denetimi kullanabilirsiniz. Özel SQL sorguları kullanırken, özel sorguları parametrelerle iş birliklerinde depolamak için analiz şablonları oluşturabilir veya kullanabilirsiniz. Bu da müşterilerin bir iş birliğinde birbirlerine daha kolay yardım etmelerini sağlar. Örneğin daha yüksek SQL deneyimine sahip bir üye, diğer üyelerin gözden geçirmesi ve çalıştırması ihtimali için şablonlar oluşturabilir. Ayrıca iş birliğinde yeniden kullanılabilir analizleri kolaylaştırır. Özel bir analiz kuralı seçerek ve ardından ayrımsal gizlilik parametrelerinizi yapılandırarak AWS Clean Rooms Ayrımsal Gizlilik analizini de kullanabilirsiniz.

AWS Clean Rooms Diferansiyel Mahremiyet, matematiksel olarak desteklenen, kullanımı kolay denetimlerle birkaç adımda kullanıcılarınızın gizliliğini korumanıza yardımcı olur. Ayrımsal gizlilik, veri gizliliği korumasının titiz bir matematiksel tanımıdır. Ancak yapılandırması karmaşık olan bu tekniği etkili bir şekilde uygulamak için teorinin ve matematiksel olarak titiz formüllerin derinlemesine anlaşılmasını gerektirir. AWS Clean Rooms'un tam olarak yönetilen sezgisel bir özelliği olarak, kullanıcılarınızın tanımlanmasını önlemenize yardımcı olur. Bu özelliği kullanmak için önceden ayrımsal gizlilik deneyimine sahip olmanıza gerek yoktur. AWS Clean Rooms Ayrımsal Gizlilik, AWS Clean Rooms iş birliklerinde toplu çıktılarda herhangi bir bireyin verisinin katkısını gizler ve reklam kampanyaları, yatırım kararları, klinik araştırmalar ve daha fazlası hakkında öngörüleri ortaya çıkarmak üzere çok çeşitli SQL sorguları çalıştırmanıza yardımcı olur. AWS Clean Rooms iş birliğinizde özel bir analiz kuralı uygulayarak AWS Clean Rooms Ayrımsal Gizlilik'i ayarlayabilirsiniz. Ardından, AWS Clean Rooms Ayrımsal Gizlilik'i, belirli iş kullanım örneklerinize göre esnek olan ve yalnızca birkaç adımda uygulanabilen denetimlerle yapılandırabilirsiniz. AWS Clean Rooms Ayrımsal Gizlilik, çözüm ortaklarınızdan herhangi bir ek uzmanlık veya kurulum gerektirmeden birkaç basit seçenekle AWS Clean Rooms iş birliklerinde ayrımsal gizliliği etkinleştirmenizi kolaylaştırır.

AWS Clean Rooms iş birliği kurduğunuzda, iş birliğindeki her üye için özel SQL sorgulama kullanım örneklerinize uyacak farklı yetenekler belirleyebilirsiniz. Örneğin sorgu çıktısının farklı bir üyeye gitmesini istiyorsanız bir üyeyi SQL sorgusu yazabilen sorgu çalıştırıcısı olarak atarken sonuçları alabilecek SQL sorgu sonucu alıcısı olarak başka bir üyeyi belirleyebilirsiniz. Bu da iş birliği oluşturucusuna, sorgu yapabilen üyenin sorgu sonuçlarına erişimi olmadığından emin olma imkanı verir. Bir iş birliği kurduğunuzda, SQL sorgusu ödeme sorumluluklarını da yapılandırabilir ve sorgu çalıştırıcısına otomatik olarak giden faturalandırma yerine, iş birliğindeki sorgu işlem maliyetleri için faturalandırılacak seçilen bir üyeyi atayabilirsiniz. Bu da SQL sorumluluklarını sorgu çalıştırıcısına sabitlemek yerine çözüm ortaklarınızla iş birliği yapma konusunda daha fazla esneklik sağlar.

Analiz Oluşturucu ile, işletme kullanıcıları SQL yazmak veya anlamak zorunda kalmadan birkaç kolay adımda öngörü elde edebilir. Toplu veri kümelerinizle ilgili ölçümler, segmentler ve filtreler gibi otomatik önerilen kriterlere göre, her iş birliği katılımcısının tablolarında belirlediği veri kısıtlamalarına uygun sorgular oluşturmak için rehberlik içeren kullanıcı arabirimindeki adımları takip edebilirsiniz. Toplama veya listeme analizi kuralıyla yapılandırılmış bir veya iki tabloya sahip iş birliklerinde Analiz Oluşturucu'yu kullanın.

AWS Clean Rooms ML, ham verileri birbirinizle paylaşmak zorunda kalmadan tahmine dayalı öngörüler oluşturmak için sizin tarafınızdan veya çözüm ortağınız tarafından gizliliği artırıcı makine öğrenimi'nin uygulanmasına olanak tanır. AWS Clean Rooms ML, özel ve benzer makine öğrenimi (ML) modellemesini destekler. Özel modelleme ile, ortak çalışanlar arasında temel verileri veya fikri mülkiyeti paylaşmadan, eğitim için özel bir model getirebilir ve toplu veri kümeleri üzerinde çıkarım yürütebilirsiniz. Benzer modelleme ile, iş ortaklarınızın bir işbirliğine getirdiği küçük bir profil örneğine dayalı olarak genişletilmiş bir benzer profil kümesi oluşturmak için AWS tarafından yazılmış bir model kullanabilirsiniz.

AWS Clean Rooms ML, müşterilere birçok kullanım örneğinde yardımcı olur. Örneğin, reklamverenler tescilli modellerini ve verilerini Temiz Odalar işbirliğine dahil edebilir ve yayıncıları kampanya etkinliğini artırmalarına yardımcı olan özel bir ML modeli eğitmek ve dağıtmak için verilerine katılmaya davet edebilir; finans kurumları, özel bir ML modelini eğitmek için geçmiş işlem kayıtlarını kullanabilir ve potansiyel hileli işlemleri tespit etmek için ortakları Temiz Odalar işbirliğine davet edebilir; araştırma kurumları ve hastane ağları, klinik çalışmalarını hızlandırmak için mevcut klinik araştırma katılımcılarına benzer adaylar bulabilir; ve markalar ve yayıncılar, her iki şirket de temel verilerini diğeriyle paylaşmadan, pazardaki müşterilerin benzer segmentlerini modelleyebilir ve son derece alakalı reklam deneyimleri sunabilir.

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

Kriptografik olarak korunan veriler üzerinde AWS Clean Rooms sorguları çalıştırabilirsiniz. Hassas verilerin şifrelenmesini gerektiren veri işleme politikalarınız varsa iş birliğine özgü, paylaşılan bir şifreleme anahtarı kullanarak verilerinizi önceden şifreleyebilirsiniz. Böylece veriler, sorguların çalıştırılması sırasında bile şifrelenir. Kriptografik bilgi işlem, iş birliği hesaplamalarında kullanılan verilerin bekleme, aktarım ve kullanım (işleme) sırasında şifreli kalmasını sağlar.

Clean Rooms İçin Kriptografik Bilgi İşlem (C3R), GitHub'da erişilebilir olan ve CLI içeren bir açık kaynak Java SDK'dir. Bu özellik hiçbir ek ücret ödemeden kullanılabilir. Büyük verileriniz varsa C3R'nin Apache Spark'a nasıl entegre edilebileceğini görmek için belgeleri inceleyebilirsiniz.

Bu özellik, güvenlik ve uygunluk ihtiyaçlarınızı karşılamanıza yardımcı olmak için oluşturulmuş geniş AWS kriptografik bilgi işlem araçları yelpazesinin en yeni öğesi olup AWS'nin sunduğu esneklik, ölçeklenebilirlik, performans ve kullanım kolaylığından yararlanmanıza olanak tanır.