Avec cette technique, le géant du Net explique qu'il « est plus difficile de déterminer si un individu en particulier fait partie d'un ensemble de données, car le résultat d'un algorithme donné sera fondamentalement identique, que les informations d'un individu soient incluses ou non ».

Aujourd'hui, la société de Mountain View propose une version open source (licence Apache 2.0) de sa bibliothèque de confidentialité différentielle, utilisée dans certains de ses produits. 

Elle « peut être utilisée pour produire des statistiques globales sur des ensembles de données numériques contenant des informations privées ou sensibles ». 

• Accéder au GitHub de Differential Privacy de Google