AWS Clean Rooms 功能

您可以透過 AWS Clean Rooms 輕鬆與正在使用 AWS 的上萬間公司合作，而無需在自己的 AWS 環境外維護資料複本或是將資料載入其他平台。建立或加入協作後，您可從 AWS Glue Data Catalog 設定資料表。當您比對記錄、執行查詢、訓練 ML 模型或產生預測性洞察時，AWS Clean Rooms 會從其所在地讀取資料。當您在 AWS Clean Rooms 上使用 AWS Entity Resolution 時，用於設定多個協作者識別碼之間映射資料集的基礎資料絕對不會在協作者之間共用或揭露。使用 SQL 查詢分析時，您可以指定資料允許的規則和 SQL 查詢限制，這些限制會自動套用以保護每位參與者的基礎資料。例如，您可設定輸出約束，例如最低彙總閥值。當您使用 AWS Clean Rooms ML 時，用於訓練模型或產生類似區段的基礎資料絕不會在協作者之間共享或揭露，也不會由 AWS 用於訓練模型。

除了 AWS 管理主控台，還可透過 API 存取所有 AWS Clean Rooms 功能。您可以使用 AWS SDK 或命令列介面 (CLI) 自動化 AWS Clean Rooms 操作、將 AWS Clean Rooms 功能與現有工作流程和產品整合，或是建立自己的無塵室供客戶使用。

有了 AWS Clean Rooms 上的 AWS Entity Resolution，您和協作者可以更輕鬆地在增強了隱私權的 AWS Clean Rooms 協作中準備和比對相關客戶記錄。使用以規則為基礎或基於資料服務提供者的比對技術，您可以改善廣告行銷活動規劃、目標設定和測量等使用案例的資料比對。您可以使用可設定的比對邏輯或來自信任資料服務提供者 (例如 LiveRamp) 的資料集和 ID，以連接跨裝置、平台和通道的記錄。

分析規則是一些限制，能讓您透過內建控制來管理資料的分析方式。以指定的查詢執行者建立或加入協作的協作成員可撰寫查詢，以根據您設定的分析規則來交集和分析您的資料表。AWS Clean Rooms 支援三種類型的分析規則：彙總、清單和自訂。

彙總分析規則：彙總分析規則可讓您執行產生彙總統計資料的查詢，例如兩個資料集的交集大小。使用彙總分析規則時，您可以強制要求只能在資料上執行彙總查詢，並對所執行查詢的特定部分強制執行限制，例如彙總中的哪些資料欄必須僅用於盲比對，以及哪些資料欄可用於彙總 (例如總和、計數或平均值)。此外，您還可以控制輸出中的最小彙總限制。  您還可以設定最低彙總約束，該約束允許您設定輸出列傳回項目的條件。這些約束的形式為：COUNT DISTINCT (Column) >= Threshold。如果查詢結果中的輸出資料列不符合任何約束，則會從結果集中移除。這讓您可以為資料協作者 (他們能為自己的選擇撰寫查詢) 提供彈性，同時協助確保最低彙總閥值已自動實行。

清單分析規則：清單分析規則可讓您執行查詢，以擷取多個資料集交集的資料列層級清單，例如兩個資料集的重疊。使用清單分析規則時，您可以強制要求只能在資料上執行清單查詢，並對執行的查詢強制執行限制，例如哪些資料欄必須僅用於盲比對，以及哪些資料欄可在輸出時做為清單來輸出。

自訂分析規則：自訂分析規則可讓您使用大多數 ANSI 標準 SQL 建立自訂查詢，例如常見資料表運算式 (CTE) 和視窗函數。您也可以在協作合作夥伴執行之前檢閱並允許查詢，並在允許其他協作者於您的資料表上執行之前檢閱其他協作者的查詢。使用自訂分析規則時，您可以使用內建控制來預先判斷或限制基礎資料的分析方式，而不必在分析完成之後依賴查詢日誌。使用自訂 SQL 查詢時，您還可以建立或使用分析範本，以在協作中存放具有參數的自訂查詢。這可允許客戶更輕鬆地互相協作。例如，具有更多 SQL 經驗的成員可以建立範本供其他成員檢閱，還可能供其執行。此外還有助於在協作中進行可重複使用的分析。您還可以選取自訂分析規則，然後設定差異隱私權參數，從而使用 AWS Clean Rooms Differential Privacy。

只需幾個步驟，AWS Clean Rooms Differential Privacy 即可透過數學支援和直觀的控制項，協助您保護使用者的隱私。差異隱私權是資料隱私權保護的嚴格數學定義。但是，設定此技術很複雜，需要對理論和數學嚴格的公式進行深入了解，才能有效地套用它。AWS Clean Rooms Differential Privacy 是 AWS Clean Rooms 的直觀、完全受管功能，可協助您防止使用者重新識別。您不需要先前擁有差異隱私權經驗，即可使用此功能。AWS Clean Rooms Differential Privacy 可遮蔽任何個人資料在 AWS Clean Rooms 協作彙總輸出中的貢獻，可協助您執行廣泛的 SQL 查詢，以產生有關廣告活動、投資決策、臨床研究等等的洞察。您可以在 AWS Clean Rooms 協作中套用自訂分析規則來設定 AWS Clean Rooms Differential Privacy。然後，您可以使用針對特定業務使用案例具有彈性的控制項設定 AWS Clean Rooms Differential Privacy，並且只需幾個步驟即可套用。AWS Clean Rooms Differential Privacy 可讓您透過幾個簡單的選擇，在 AWS Clean Rooms 協作中更輕鬆地啟用差異隱私權，而無需合作夥伴提供任何額外的專業知識或設定。

設定 AWS Clean Rooms 協作時，您可以為每個協作成員指定不同的能力，以適合您的特定 SQL 查詢使用案例。例如，如果您希望將查詢輸出轉給不同的成員，可以將一個成員指定為可以編寫查詢的 SQL 查詢執行者，將另一個成員指定為可以接收結果的 SQL 查詢結果接收者。這使協作建立者能夠確保負責查詢的成員無法存取查詢結果。設定協作時，您也可以設定 SQL 查詢付款職責，並指派選取的成員，以便在協作中針對查詢計算成本計費，而不是將帳單自動轉至查詢執行者。如此一來，您可以更靈活地與合作夥伴協作指定 SQL 職責，而不是將其固定在查詢執行者身上。

藉助 Analysis Builder，企業使用者只需幾個簡單的步驟即可獲得洞察，而不必撰寫或了解 SQL。您可以遵循引導式使用者介面中的步驟，根據自動建議的條件 (例如與集合資料集相關的指標、區段和篩選條件)，來建置符合每個協作者在資料表上設定的資料限制的查詢。在協作中使用 Analysis Builder，在彙總或清單分析規則中均設定了一個或兩個資料表。

AWS Clean Rooms ML 可協助您和合作夥伴套用增強隱私的 ML 來產生預測性洞察，而無需彼此共用原始資料。該功能的第一個模型專門用於幫助公司建立類似的區段。藉助 AWS Clean Rooms ML 類似建模，您可以使用資料訓練自訂模型，並邀請合作夥伴將其記錄的一小部分範例導入協作，以產生擴充的類似記錄集，同時保護您和合作夥伴的基礎資料。醫療保健建模將在未來幾個月推出。

藉助 AWS Clean Rooms ML，您可以保留訓練模型的完全控制權和擁有權，包括何時使用它們與合作夥伴產生類似區段，或何時刪除它們。您的資料僅用於訓練自己的模型；不用於 AWS 模型訓練。您可以使用直觀的控制項，協助您和您的合作夥伴調整模型的預測結果。例如，航空公司可以使用其客戶的資料，與線上預訂服務協作，以及識別具有類似特征的潛在旅客，而無需與其他公司共享其基礎資料。AWS Clean Rooms ML 無需與合作夥伴共享資料以建置、訓練和部署 ML 模型。

AWS Clean Rooms ML 在電子商務和串流影片等各種資料集上建置和測試，與代表性行業的基準相比，可以協助您將類似建模的準確性提高多達 36%。在尋找新客戶等真實應用中，這種精確度的提高可節省數百萬美元。

您可以對受密碼編譯保護的資料執行 AWS Clean Rooms 查詢。如果資料處理政策要求加密敏感資料，您可以使用協作專屬、共用的加密金鑰事先進行加密，即使在執行查詢，也可以對資料進行加密。密碼編譯運算能確保協作運算中使用的資料在靜態、傳輸中和使用中 (處理中) 都保持加密。

Cryptographic Computing for Clean Rooms (C3R) 是具有 CLI 的開放原始碼 Java SDK，可在 GitHub 上取得。使用此功能無須額外付費。如果您有大數據，則可以檢閱文件以了解如何將 C3R 整合到 Apache Spark 中。

此功能是各種 AWS 加密運算工具中的最新功能，旨在協助您滿足安全與合規需求，同時讓您能充分利用 AWS 提供的彈性、可擴展性、效能和易用性。