　差分プライバシーを使うデータ分析は、個人データが識別されないようにしながら大規模なデータセットから学習できるようにするアプローチ。分析の結果から個人データを再識別することもできないよう保護できる。例えばヘルスケア分野で、様々な病院の患者の入院平均時間を比較したい場合、患者を個人として特定できない状態でデータを利用できる。

　ライブラリはほとんどの一般的なデータサイエンス操作をサポートし、プライバシー保護を確実にするための「確率的差分プライバシーモデルチェッカーライブラリ」を含み、集約機能、プライバシー予算管理などの拡張用モジュールもある。

　Googleは、例えばGoogleマップで検索したレストランの情報に混雑時間や人気メニューを表示する機能に、差分プライバシーを使っている。

Googleマップでの採用例

　広告が主な収入源であるGoogleは、ユーザーのプライバシー意識が高まる中、データを集めずに機械学習する「Federated Learning」などの技術に取り組んでいる。

　また、機械学習用データを匿名化する「TensorFlow Privacy」やMPCツール「Private Join and Compute」などをオープンソース化している。

Google、個人のプライバシーと最適な広告のバランスを目指す「プライバシーサンドボックス」を提案
Googleが、個人プライバシーと最適な広告表示のバランスを目指すイニシアチブ「Privacy Sandbox」を発表した。最近増えているCookieのブロックは、パブリッシャーの収入減だけでなく、ブロック回避策としてのフィンガープリントの増加を呼び、プライバシーの後退に繋がるとしている。
Google、プライバシーを保護しながらデータセットを解析する「Private Join and Compute」をオープンソース化
Googleが、プライバシー保護の取り組みの一環で、データを暗号化したまま処理するツール「Private Join and Compute」をオープンソースで公開した。
Googleのプライバシーへの取り組み、責任者に聞いた
今年の「Google I/O」基調講演で、プライバシーにかなり時間を割いたGoogleさん。最高プライバシー責任者（CPO）のキース・エンライト氏に、あらためて取り組みや課題についてうかがいました。
Google I/Oプライバシー関連まとめ──Chromeのcookie対策やシークレットモード
Google I/Oで発表されたプライバシー関連の取り組みをまとめた。「すべての人のためにより役立つGoogle」を目指すためにユーザーデータの収集は必要なので、データ収集に当たってはより安全に、透明性を強化していく。さらに、データを集めずに機械学習する「Federated Learning」も紹介した。
個人情報を守るGoogleの「オンデバイスAI」技術とは？
Googleの「Pixel 3/Pixel 3 XL」に採用された新しいAI技術について、開発チームのリーダー、特別名誉科学者のブレイス・アグエラ・イ・アルカス氏が語った。キーワードは「オンデバイスAI」と「フェデレーションラーニング」（協調機械学習）だ。