ডিভাইসে ব্যক্তিগতকরণ - উন্নত গোপনীয়তা সুরক্ষা সহ ব্যক্তিগতকরণ

অ্যান্ড্রয়েড ওপেন সোর্স প্রজেক্টে (AOSP) প্রয়োগ করার উদ্দেশ্যে, এই প্রযুক্তিগত ব্যাখ্যাকারী অন-ডিভাইস পার্সোনালাইজেশন (ODP) এর পিছনে অনুপ্রেরণা, ডিজাইনের নীতিগুলি যা এর বিকাশকে গাইড করে, গোপনীয়তা মডেলের মাধ্যমে এর গোপনীয়তা এবং এটি কীভাবে নিশ্চিত করতে সাহায্য করে সে সম্পর্কে আলোচনা করে। যাচাইযোগ্য ব্যক্তিগত অভিজ্ঞতা।

আমরা ডেটা অ্যাক্সেস মডেলকে সরলীকরণ করে এবং নিশ্চিত করে যে সমস্ত ব্যবহারকারীর ডেটা যা সুরক্ষা সীমানা ছেড়ে যায় তা প্রতি- (ব্যবহারকারী, গ্রহণকারী, মডেল_ইনস্ট্যান্স) স্তরে পৃথকভাবে ব্যক্তিগত (কখনও কখনও এই নথিতে ব্যবহারকারী-স্তরে সংক্ষিপ্ত করা হয়) করার পরিকল্পনা করি।

শেষ ব্যবহারকারীর ডিভাইসগুলি থেকে সম্ভাব্য শেষ ব্যবহারকারীর ডেটা বের হওয়ার সাথে সম্পর্কিত সমস্ত কোড ওপেন সোর্স হবে এবং বহিরাগত সংস্থাগুলি দ্বারা যাচাইযোগ্য হবে৷ আমাদের প্রস্তাবের প্রাথমিক পর্যায়ে, আমরা এমন একটি প্ল্যাটফর্মের জন্য আগ্রহ তৈরি করতে এবং প্রতিক্রিয়া সংগ্রহ করতে চাই যা অন-ডিভাইস ব্যক্তিগতকরণের সুযোগগুলিকে সহজতর করে। আমরা গোপনীয়তা বিশেষজ্ঞ, ডেটা বিশ্লেষক এবং নিরাপত্তা অনুশীলনকারীদের মতো স্টেকহোল্ডারদের আমাদের সাথে জড়িত থাকার জন্য আমন্ত্রণ জানাই।

দৃষ্টি

অন-ডিভাইস পার্সোনালাইজেশন ডিজাইন করা হয়েছে শেষ ব্যবহারকারীদের তথ্য সেসব ব্যবসা থেকে রক্ষা করার জন্য যাদের সাথে তারা ইন্টারঅ্যাক্ট করেনি। ব্যবসাগুলি শেষ ব্যবহারকারীদের জন্য তাদের পণ্য এবং পরিষেবাগুলি কাস্টমাইজ করা চালিয়ে যেতে পারে (উদাহরণস্বরূপ যথাযথভাবে বেনামী এবং পৃথকভাবে ব্যক্তিগত মেশিন লার্নিং মডেল ব্যবহার করে), তবে তারা শেষ ব্যবহারকারীর জন্য তৈরি করা সঠিক কাস্টমাইজেশনগুলি দেখতে সক্ষম হবে না (এটি শুধুমাত্র নির্ভর করে না ব্যবসার মালিক দ্বারা উত্পন্ন কাস্টমাইজেশন নিয়ম, তবে ব্যক্তিগত শেষ ব্যবহারকারীর পছন্দের উপরও) যদি না ব্যবসা এবং শেষ ব্যবহারকারীর মধ্যে সরাসরি মিথস্ক্রিয়া না থাকে। যদি কোনো ব্যবসা কোনো মেশিন লার্নিং মডেল বা পরিসংখ্যানগত বিশ্লেষণ তৈরি করে, ODP নিশ্চিত করতে চাইবে যে যথাযথ ডিফারেনশিয়াল প্রাইভেসি মেকানিজম ব্যবহার করে সেগুলি সঠিকভাবে বেনামে আছে।

আমাদের বর্তমান পরিকল্পনা হল নিম্নলিখিত বৈশিষ্ট্য এবং কার্যকারিতাগুলিকে কভার করে একাধিক মাইলফলকগুলিতে ODP অন্বেষণ করা৷ এই অন্বেষণকে আরও এগিয়ে নিতে আমরা আগ্রহী পক্ষগুলিকে গঠনমূলকভাবে কোনো অতিরিক্ত বৈশিষ্ট্য বা কর্মপ্রবাহের পরামর্শ দেওয়ার জন্য আমন্ত্রণ জানাই:

1. একটি স্যান্ডবক্সযুক্ত পরিবেশ যেখানে সমস্ত ব্যবসায়িক যুক্তি রয়েছে এবং কার্যকর করা হয়, আউটপুট সীমিত করার সময় স্যান্ডবক্সে প্রবেশ করার জন্য অনেকগুলি শেষ ব্যবহারকারীর সংকেতকে অনুমতি দেয়।

2. এর জন্য এন্ড-টু-এন্ড এনক্রিপ্ট করা ডেটা স্টোর:

   1. ব্যবহারকারী নিয়ন্ত্রণ, এবং অন্যান্য ব্যবহারকারী সম্পর্কিত ডেটা। টাইম টু লিভ (টিটিএল) নিয়ন্ত্রণ, নীতি, গোপনীয়তা নীতি এবং আরও অনেক কিছুর সাথে এটি শেষ ব্যবহারকারী-প্রদত্ত বা সংগ্রহ করা এবং ব্যবসার দ্বারা অনুমান করা যেতে পারে।
   2. ব্যবসা কনফিগারেশন. ODP এই ডেটাগুলিকে সংকুচিত বা অস্পষ্ট করার জন্য অ্যালগরিদম প্রদান করে।
   3. ব্যবসা প্রক্রিয়াকরণ ফলাফল. এই ফলাফল হতে পারে:
      1. প্রক্রিয়াকরণের পরবর্তী রাউন্ডে ইনপুট হিসাবে গ্রহণ করা হয়,
      2. উপযুক্ত ডিফারেনশিয়াল প্রাইভেসি মেকানিজম অনুযায়ী শোরগোল করা হয়েছে এবং যোগ্যতা সম্পন্ন প্রান্তে আপলোড করা হয়েছে।
      3. উপযুক্ত কেন্দ্রীয় ডিফারেনশিয়াল প্রাইভেসি মেকানিজম সহ ওপেন সোর্সড ওয়ার্কলোড চালানো ট্রাস্টেড এক্সিকিউশন এনভায়রনমেন্টস (TEE) এ বিশ্বস্ত আপলোডিং প্রবাহ ব্যবহার করে আপলোড করা হয়েছে
      4. শেষ ব্যবহারকারীদের দেখানো হয়েছে।

3. এপিআই এর জন্য ডিজাইন করা হয়েছে:

   1. 2(a), ব্যাচ বা ক্রমবর্ধমানভাবে আপডেট করুন।
   2. পর্যায়ক্রমে 2(b) আপডেট করুন, হয় ব্যাচ বা ক্রমবর্ধমানভাবে।
   3. বিশ্বস্ত একত্রীকরণ পরিবেশে উপযুক্ত নয়েজিং প্রক্রিয়া সহ 2(c) আপলোড করুন। এই ধরনের ফলাফল পরবর্তী প্রক্রিয়াকরণ রাউন্ডের জন্য 2(b) হতে পারে।

টাইমলাইন

এটি বিটাতে ODP পরীক্ষার রেকর্ডের বর্তমান পরিকল্পনা। টাইমলাইন পরিবর্তন সাপেক্ষে.

বৈশিষ্ট্য	H1 2025	Q3 2025
অন-ডিভাইস প্রশিক্ষণ + অনুমান	এই সময়সীমার মধ্যে পাইলট করার সম্ভাব্য বিকল্পগুলি নিয়ে আলোচনা করতে গোপনীয়তা স্যান্ডবক্স দলের সাথে যোগাযোগ করুন৷	যোগ্য Android T+ ডিভাইসগুলিতে রোল আউট শুরু করুন।

নকশা নীতি

তিনটি স্তম্ভ রয়েছে ODP ভারসাম্য বজায় রাখতে চায়: গোপনীয়তা, ন্যায্যতা এবং উপযোগিতা।

উন্নত গোপনীয়তা সুরক্ষার জন্য টাওয়ারড ডেটা মডেল

ODP ডিজাইন দ্বারা গোপনীয়তা অনুসরণ করে এবং ডিফল্ট হিসাবে শেষ ব্যবহারকারীর গোপনীয়তার সুরক্ষার সাথে ডিজাইন করা হয়েছে।

ODP একটি শেষ ব্যবহারকারীর ডিভাইসে ব্যক্তিগতকরণ প্রক্রিয়াকরণ সরানো অন্বেষণ করে। এই পদ্ধতিটি যতটা সম্ভব ডিভাইসে ডেটা রেখে এবং প্রয়োজনে শুধুমাত্র ডিভাইসের বাইরে এটি প্রক্রিয়া করার মাধ্যমে গোপনীয়তা এবং উপযোগিতা ভারসাম্য বজায় রাখে। ODP ফোকাস করে:

• শেষ ব্যবহারকারীর ডেটার ডিভাইস নিয়ন্ত্রণ, এমনকি যখন এটি ডিভাইস ছেড়ে যায়। গন্তব্যগুলিকে ওডিপি অথরড কোড চালিত পাবলিক ক্লাউড প্রদানকারীদের দ্বারা অফার করা বিশ্বস্ত এক্সিকিউশন এনভায়রনমেন্টগুলিকে সত্যায়িত করতে হবে৷
• শেষ ব্যবহারকারীর ডেটা যদি ডিভাইসটি ছেড়ে চলে যায় তার কী হবে তার ডিভাইস যাচাইযোগ্যতা। ODP তার গ্রহণকারীদের জন্য ক্রস-ডিভাইস মেশিন লার্নিং এবং পরিসংখ্যানগত বিশ্লেষণ সমন্বয় করতে ওপেন সোর্স, ফেডারেটেড কম্পিউট ওয়ার্কলোড সরবরাহ করে। একজন শেষ ব্যবহারকারীর ডিভাইসটি প্রমাণ করবে যে এই ধরনের কাজের চাপগুলি অপরিবর্তিত বিশ্বস্ত এক্সিকিউশন এনভায়রনমেন্টে কার্যকর করা হয়েছে।
• গ্যারান্টিযুক্ত প্রযুক্তিগত গোপনীয়তা (উদাহরণস্বরূপ, সমষ্টি, গোলমাল, ডিফারেনশিয়াল গোপনীয়তা) আউটপুট যা ডিভাইস-নিয়ন্ত্রিত/যাচাইযোগ্য সীমানা ছেড়ে যায়।

ফলস্বরূপ, ব্যক্তিগতকরণ ডিভাইস-নির্দিষ্ট হবে।

তদুপরি, ব্যবসার জন্য গোপনীয়তা ব্যবস্থাও প্রয়োজন, যা প্ল্যাটফর্মের সমাধান করা উচিত। এটি তাদের নিজ নিজ সার্ভারে কাঁচা ব্যবসার ডেটা বজায় রাখে। এটি অর্জন করতে, ODP নিম্নলিখিত ডেটা মডেল গ্রহণ করে:

1. প্রতিটি কাঁচা ডেটা উৎস ডিভাইস বা সার্ভার-সাইডে সংরক্ষণ করা হবে, স্থানীয় শিক্ষা এবং অনুমান সক্ষম করে।
2. আমরা একাধিক ডেটা উত্স জুড়ে সিদ্ধান্ত নেওয়ার সুবিধার্থে অ্যালগরিদম সরবরাহ করব, যেমন দুটি পৃথক ডেটা অবস্থানের মধ্যে ফিল্টারিং বা বিভিন্ন উত্স জুড়ে প্রশিক্ষণ বা অনুমান।

এই প্রসঙ্গে, একটি ব্যবসায়িক টাওয়ার এবং একটি শেষ ব্যবহারকারী টাওয়ার থাকতে পারে:

ব্যবসায়িক টাওয়ারে ব্যক্তিগতকরণ হওয়ার আগে ব্যবসার দ্বারা উত্পন্ন ডেটা থাকে। ODP ব্যবসায়িকদের এই তথ্যের মালিকানা বজায় রাখতে বলে , নিশ্চিত করে যে শুধুমাত্র অনুমোদিত ব্যবসায়িক অংশীদাররা এটি অ্যাক্সেস করতে পারে।
শেষ-ব্যবহারকারী টাওয়ারে শেষ-ব্যবহারকারীর দ্বারা প্রদত্ত ডেটা (উদাহরণস্বরূপ, অ্যাকাউন্টের তথ্য এবং নিয়ন্ত্রণ), তাদের ডিভাইসের সাথে শেষ ব্যবহারকারীর মিথস্ক্রিয়া সম্পর্কিত সংগৃহীত ডেটা এবং ডেরিভেটিভ ডেটা (উদাহরণস্বরূপ, আগ্রহ এবং পছন্দ) দ্বারা অনুমান করা হয়। ব্যবসা অনুমানকৃত ডেটা কোনো ব্যবহারকারীর সরাসরি ঘোষণা ওভাররাইট করে না।

তুলনা করার জন্য, একটি ক্লাউড-কেন্দ্রিক অবকাঠামোতে, শেষ-ব্যবহারকারী টাওয়ার থেকে সমস্ত কাঁচা ডেটা ব্যবসার সার্ভারে স্থানান্তরিত হয়। বিপরীতভাবে, একটি ডিভাইস-কেন্দ্রিক অবকাঠামোতে, শেষ-ব্যবহারকারী টাওয়ার থেকে সমস্ত কাঁচা ডেটা তার মূলে থেকে যায়, যখন ব্যবসার ডেটা সার্ভারে সংরক্ষিত থাকে।

অন-ডিভাইস পার্সোনালাইজেশন শুধুমাত্র প্রত্যয়িত, ওপেন সোর্সড কোড সক্ষম করে ডেটা প্রক্রিয়া করার মাধ্যমে উভয় জগতের সেরাকে একত্রিত করে যা আরও ব্যক্তিগত আউটপুট চ্যানেল ব্যবহার করে TEE-এর শেষ ব্যবহারকারীদের সাথে সম্পর্কিত হওয়ার সম্ভাবনা রাখে।

ন্যায়সঙ্গত সমাধানের জন্য অন্তর্ভুক্তিমূলক জনসম্পৃক্ততা

ODP-এর লক্ষ্য একটি বৈচিত্র্যময় বাস্তুতন্ত্রের মধ্যে সমস্ত অংশগ্রহণকারীদের জন্য একটি সুষম পরিবেশ নিশ্চিত করা। আমরা এই ইকোসিস্টেমের জটিলতাকে চিনতে পারি, যেটিতে বিভিন্ন প্লেয়ার রয়েছে যা স্বতন্ত্র পরিষেবা এবং পণ্য অফার করে।

উদ্ভাবনকে অনুপ্রাণিত করার জন্য, ODP এমন API অফার করে যা ডেভেলপার এবং তাদের প্রতিনিধিত্বকারী ব্যবসার দ্বারা প্রয়োগ করা যেতে পারে। রিলিজ, মনিটরিং, ডেভেলপার টুলস এবং ফিডব্যাক টুলস পরিচালনা করার সময় অন-ডিভাইস ব্যক্তিগতকরণ এই বাস্তবায়নের নিরবচ্ছিন্ন একীকরণের সুবিধা দেয়। অন-ডিভাইস ব্যক্তিগতকরণ কোনো সুনির্দিষ্ট ব্যবসায়িক যুক্তি তৈরি করে না ; বরং, এটি সৃজনশীলতার জন্য একটি অনুঘটক হিসাবে কাজ করে।

ODP সময়ের সাথে সাথে আরও অ্যালগরিদম অফার করতে পারে। বৈশিষ্ট্যের সঠিক স্তর নির্ধারণ এবং প্রতিটি অংশগ্রহণকারী ব্যবসার জন্য একটি যুক্তিসঙ্গত ডিভাইস রিসোর্স ক্যাপ স্থাপনের জন্য ইকোসিস্টেমের সাথে সহযোগিতা অপরিহার্য। আমরা নতুন ব্যবহারের ক্ষেত্রে চিনতে এবং অগ্রাধিকার দিতে সাহায্য করার জন্য ইকোসিস্টেম থেকে প্রতিক্রিয়া আশা করি।

উন্নত ব্যবহারকারীর অভিজ্ঞতার জন্য বিকাশকারী ইউটিলিটি

ODP এর সাথে ইভেন্ট ডেটা বা পর্যবেক্ষণ বিলম্বের কোন ক্ষতি হয় না, কারণ সমস্ত ইভেন্ট স্থানীয়ভাবে ডিভাইস স্তরে রেকর্ড করা হয়। যোগদানের কোনো ত্রুটি নেই এবং সমস্ত ইভেন্ট একটি নির্দিষ্ট ডিভাইসের সাথে যুক্ত। ফলস্বরূপ, সমস্ত পর্যবেক্ষণ ঘটনা স্বাভাবিকভাবেই ব্যবহারকারীর মিথস্ক্রিয়া প্রতিফলিত করে একটি কালানুক্রমিক ক্রম তৈরি করে।

এই সরলীকৃত প্রক্রিয়াটি ডেটা যোগদান বা পুনর্বিন্যাস করার প্রয়োজনীয়তা দূর করে, যা রিয়েল-টাইম এবং অ-ক্ষতিকর ব্যবহারকারীর ডেটা অ্যাক্সেসযোগ্যতার অনুমতি দেয়। পরিবর্তে, এটি ডেটা-চালিত পণ্য এবং পরিষেবাগুলির সাথে জড়িত থাকার সময় শেষ ব্যবহারকারীরা উপলব্ধি করে এমন ইউটিলিটি উন্নত করতে পারে, যা সম্ভাব্যভাবে উচ্চতর সন্তুষ্টির স্তর এবং আরও অর্থপূর্ণ অভিজ্ঞতার দিকে পরিচালিত করে। ODP এর মাধ্যমে, ব্যবসাগুলি কার্যকরভাবে তাদের ব্যবহারকারীদের চাহিদার সাথে খাপ খাইয়ে নিতে পারে।

গোপনীয়তা মডেল: গোপনীয়তার মাধ্যমে গোপনীয়তা

নিম্নলিখিত বিভাগগুলি এই গোপনীয়তা বিশ্লেষণের ভিত্তি হিসাবে ভোক্তা-প্রযোজক মডেল এবং গণনা পরিবেশের গোপনীয়তা বনাম আউটপুট নির্ভুলতা নিয়ে আলোচনা করে।

এই গোপনীয়তা বিশ্লেষণের ভিত্তি হিসাবে ভোক্তা-প্রযোজক মডেল

আমরা গোপনীয়তার মাধ্যমে গোপনীয়তার গোপনীয়তার নিশ্চয়তা পরীক্ষা করার জন্য ভোক্তা-প্রযোজক মডেলকে নিয়োগ করব। এই মডেলের গণনাগুলিকে নির্দেশিত অ্যাসাইক্লিক গ্রাফ (DAG) এর মধ্যে নোড হিসাবে উপস্থাপন করা হয় যা নোড এবং সাবগ্রাফ নিয়ে গঠিত। প্রতিটি কম্পিউটেশন নোডের তিনটি উপাদান থাকে: ইনপুট খরচ করা, উৎপাদিত আউটপুট এবং আউটপুটে গণনা ম্যাপিং ইনপুট।

ভোক্তা-উৎপাদক মডেলকে চিত্রিত করে একটি গ্রাফ। এই গ্রাফটিতে 2টি গণনা নোড রয়েছে। এক্সিকিউশন সিকোয়েন্স হল নোড 1 -> নোড 2। নোড 1 হল প্রথম এক্সিকিউট করা। এটি 2টি প্রাথমিক ইনপুট গ্রহণ করে: ইনপুট 1 এবং ইনপুট 2। নোড 1 আউটপুট 1 তৈরি করে। নোড 2 নোড 1 এর আউটপুট এবং একটি প্রাথমিক ইনপুট গ্রহণ করে: ইনপুট 3। এটি আউটপুট 2 তৈরি করে। আউটপুট 2 এই গ্রাফের চূড়ান্ত আউটপুটও।

এই মডেলে, গোপনীয়তা সুরক্ষা তিনটি উপাদানেই প্রযোজ্য:

• ইনপুট গোপনীয়তা . নোডের দুই ধরনের ইনপুট থাকতে পারে। যদি একটি ইনপুট একটি পূর্বসূরি নোড দ্বারা উত্পন্ন হয়, এটি ইতিমধ্যেই সেই পূর্বসূরীর আউটপুট গোপনীয়তার গ্যারান্টি রয়েছে৷ অন্যথায়, ইনপুটগুলিকে অবশ্যই পলিসি ইঞ্জিন ব্যবহার করে ডেটা প্রবেশের নীতিগুলি পরিষ্কার করতে হবে৷
• আউটপুট গোপনীয়তা । আউটপুটকে বেসরকারীকরণের প্রয়োজন হতে পারে, যেমন ডিফারেনশিয়াল প্রাইভেসি (DP) দ্বারা প্রদত্ত।
• গণনা পরিবেশের গোপনীয়তা । গণনা অবশ্যই একটি সুরক্ষিতভাবে সিল করা পরিবেশে ঘটতে হবে, নিশ্চিত করে যে নোডের মধ্যে মধ্যস্থতাকারী রাজ্যগুলিতে কারও অ্যাক্সেস নেই। যে প্রযুক্তিগুলি এটিকে সক্ষম করে তার মধ্যে রয়েছে ফেডারেটেড কম্পিউটেশন (FC), হার্ডওয়্যার-ভিত্তিক ট্রাস্টেড এক্সিকিউশন এনভায়রনমেন্টস (TEE), সুরক্ষিত মাল্টি-পার্টি কম্পিউটেশন (sMPC), হোমোমরফিক এনক্রিপশন (HPE) এবং আরও অনেক কিছু। এটি লক্ষণীয় যে গোপনীয়তার মাধ্যমে গোপনীয়তা মধ্যস্থতাকারী রাজ্যগুলিকে সুরক্ষা দেয় এবং গোপনীয়তার সীমানা অতিক্রম করে সমস্ত আউটপুটগুলিকে এখনও ডিফারেনশিয়াল প্রাইভেসি মেকানিজম দ্বারা সুরক্ষিত করতে হবে৷ দুটি প্রয়োজনীয় দাবি হল:
  • পরিবেশ গোপনীয়তা, শুধুমাত্র ঘোষিত আউটপুট পরিবেশ ছেড়ে নিশ্চিত করা এবং
  • সুনিপুণতা, ইনপুট গোপনীয়তা দাবি থেকে আউটপুট গোপনীয়তা দাবির সঠিক কর্তন সক্ষম করে। সুনিপুণতা একটি DAG নিচে গোপনীয়তা সম্পত্তি প্রচারের অনুমতি দেয়।

একটি ব্যক্তিগত সিস্টেম ইনপুট গোপনীয়তা, গণনা পরিবেশের গোপনীয়তা এবং আউটপুট গোপনীয়তা বজায় রাখে। যাইহোক, একটি গোপনীয় গণনা পরিবেশের মধ্যে আরও প্রক্রিয়াকরণ সিল করে ডিফারেনশিয়াল প্রাইভেসি মেকানিজমের অ্যাপ্লিকেশনের সংখ্যা হ্রাস করা যেতে পারে।

এই মডেল দুটি প্রধান সুবিধা প্রদান করে। প্রথমত, বেশিরভাগ সিস্টেম, বড় এবং ছোট, একটি DAG হিসাবে প্রতিনিধিত্ব করা যেতে পারে। দ্বিতীয়ত, ডিপি-এর পোস্ট-প্রসেসিং [বিভাগ 2.1] এবং দ্য কমপ্লেসিটি অফ ডিফারেনশিয়াল প্রাইভেসি বৈশিষ্ট্যের লেমা 2.4 রচনাটি একটি সম্পূর্ণ গ্রাফের জন্য (সবচেয়ে খারাপ ক্ষেত্রে) গোপনীয়তা এবং নির্ভুলতা ট্রেডঅফ বিশ্লেষণ করার জন্য শক্তিশালী সরঞ্জাম ধার দেয়:

• পোস্ট-প্রসেসিং গ্যারান্টি দেয় যে একটি পরিমাণ একবার বেসরকারীকরণ হয়ে গেলে, যদি মূল ডেটা আবার ব্যবহার না করা হয় তবে এটি "আন-বেসরকারীকরণ" হতে পারে না। যতক্ষণ পর্যন্ত একটি নোডের জন্য সমস্ত ইনপুট ব্যক্তিগত থাকে, ততক্ষণ তার আউটপুট ব্যক্তিগত, তার গণনা নির্বিশেষে।
• অ্যাডভান্সড কম্পোজিশন গ্যারান্টি দেয় যে যদি প্রতিটি গ্রাফের অংশ DP হয়, তাহলে সামগ্রিক গ্রাফটিও একই রকম, কার্যকরভাবে একটি গ্রাফের চূড়ান্ত আউটপুটের ε এবং δকে আনুমানিক ε√κ দ্বারা আবদ্ধ করে, ধরে নিই যে একটি গ্রাফে κ ইউনিট রয়েছে এবং প্রতিটি ইউনিটের আউটপুট (ε) , δ)-DP ।

এই দুটি বৈশিষ্ট্য প্রতিটি নোডের জন্য দুটি নকশা নীতিতে অনুবাদ করে:

• প্রপার্টি 1 (পোস্ট-প্রসেসিং থেকে) যদি একটি নোডের ইনপুটগুলি সমস্ত DP হয়, তবে এর আউটপুট হল DP, নোডে কার্যকর করা যেকোনো অবাধ ব্যবসায়িক যুক্তিকে মিটমাট করে এবং ব্যবসার "গোপন সস"কে সমর্থন করে।
• প্রপার্টি 2 (অ্যাডভান্সড কম্পোজিশন থেকে) যদি একটি নোডের ইনপুট সব ডিপি না হয়, তাহলে এর আউটপুট অবশ্যই ডিপি কমপ্লায়েন্ট করতে হবে। যদি একটি কম্পিউটেশন নোড এমন হয় যা বিশ্বস্ত এক্সিকিউশন এনভায়রনমেন্টে চলে এবং ওপেন সোর্সড, অন-ডিভাইস পার্সোনালাইজেশন-সাপ্লাই করা ওয়ার্কলোড এবং কনফিগারেশন চালায়, তাহলে আরও শক্ত ডিপি সীমানা সম্ভব। অন্যথায়, অন-ডিভাইস ব্যক্তিগতকরণের জন্য সবচেয়ে খারাপ-কেস ডিপি বাউন্ড ব্যবহার করতে হতে পারে। সম্পদের সীমাবদ্ধতার কারণে একটি পাবলিক ক্লাউড প্রদানকারীর দ্বারা অফার করা বিশ্বস্ত এক্সিকিউশন এনভায়রনমেন্টগুলিকে প্রাথমিকভাবে অগ্রাধিকার দেওয়া হবে।

গণনা পরিবেশের গোপনীয়তা বনাম আউটপুট নির্ভুলতা

অতঃপর, অন-ডিভাইস ব্যক্তিগতকরণ গোপনীয় গণনা পরিবেশের নিরাপত্তা বাড়ানোর উপর ফোকাস করবে এবং নিশ্চিত করবে যে মধ্যবর্তী রাজ্যগুলি অ্যাক্সেসযোগ্য নয়। সিলিং নামে পরিচিত এই নিরাপত্তা প্রক্রিয়াটি সাবগ্রাফ লেভেলে প্রয়োগ করা হবে, যাতে একাধিক নোডকে একসঙ্গে ডিপি কমপ্লায়েন্ট করা যায়। এর মানে হল যে সম্পত্তি 1 এবং সম্পত্তি 2 পূর্বে উল্লিখিত সাবগ্রাফ স্তরে প্রযোজ্য।

7টি নোড সহ একটি গ্রাফকে 2টি সাবগ্রাফ এবং 1টি নোডে বিভক্ত করা। এই উদাহরণে প্রতিটি সাবগ্রাফে 3টি নোড রয়েছে। যদি প্রতিটি সাবগ্রাফের সম্পাদন প্রতিপক্ষের কাছ থেকে সিল করা হয়, শুধুমাত্র আউটপুট 3 এবং আউটপুট 6, সাবগ্রাফের ফলাফল, ডিপি' করা প্রয়োজন।
অবশ্যই চূড়ান্ত গ্রাফ আউটপুট, আউটপুট 7, কম্পোজিশন প্রতি DP'ed হয়। এর মানে এই গ্রাফের জন্য মোট 2টি DP থাকবে; 3টি মোট (স্থানীয়) ডিপির সাথে তুলনা করা হয় যদি কোন সিলিং ব্যবহার করা না হয়।

মূলত, গণনার পরিবেশ সুরক্ষিত করে এবং প্রতিপক্ষের জন্য একটি গ্রাফ বা সাবগ্রাফের ইনপুট এবং মধ্যবর্তী অবস্থা অ্যাক্সেস করার সুযোগ দূর করে, এটি সেন্ট্রাল ডিপি (অর্থাৎ, একটি সিল করা পরিবেশের আউটপুট DP অনুগত) বাস্তবায়নকে সক্ষম করে, যা তুলনামূলকভাবে নির্ভুলতা উন্নত করতে পারে। স্থানীয় ডিপির সাথে (অর্থাৎ, পৃথক ইনপুটগুলি ডিপি অনুগত)। এই নীতিটি গোপনীয়তা প্রযুক্তি হিসাবে FC, TEEs, sMPCs এবং HPEs-এর বিবেচনার অন্তর্নিহিত। দ্য কমপ্লেসিটি অফ ডিফারেনশিয়াল প্রাইভেসির অধ্যায় 10 পড়ুন।

একটি ভাল, বাস্তব উদাহরণ হল মডেল প্রশিক্ষণ এবং অনুমান। নীচের আলোচনাগুলি অনুমান করে যে (1), প্রশিক্ষণ জনসংখ্যা এবং অনুমান জনসংখ্যা ওভারল্যাপ, এবং (2), উভয় বৈশিষ্ট্য এবং লেবেল ব্যক্তিগত ব্যবহারকারী ডেটা গঠন করে। আমরা সমস্ত ইনপুটগুলিতে DP প্রয়োগ করতে পারি:

স্থানীয় ডিপি: সম্পত্তি 1 ব্যক্তিগত বৈশিষ্ট্য + ব্যক্তিগত লেবেল -> ব্যক্তিগত মডেল। ( সম্পত্তি 1 ) ব্যক্তিগত মডেল + ব্যক্তিগত বৈশিষ্ট্য -> ব্যক্তিগত অনুমান।
অন-ডিভাইস ব্যক্তিগতকরণ ব্যবহারকারীর লেবেল এবং বৈশিষ্ট্যগুলি সার্ভারে পাঠানোর আগে স্থানীয় ডিপি প্রয়োগ করতে পারে। এই পদ্ধতিটি সার্ভারের এক্সিকিউশন এনভায়রনমেন্ট বা এর ব্যবসায়িক যুক্তিতে কোনো প্রয়োজনীয়তা আরোপ করে না।

সেন্ট্রাল ডিপি: ( সম্পত্তি 2 ) বিকল্পভাবে, আপনি বৈশিষ্ট্য এবং লেবেলগুলি সুনির্দিষ্ট রেখে মডেল প্রশিক্ষণের সময় DP আবেদন করতে পারেন। এই পরিস্থিতিতে, মডেল মালিক অন্য কোথাও অনুমানের জন্য মডেল স্থানান্তর করতে পারেন. যাইহোক, অনুমান করার সময় গোপনীয়তা বজায় রাখতে, প্রাইভেট মডেলে ফিচার ইনপুট অবশ্যই ডিপি অনুগত হতে হবে, প্রতি সম্পত্তি 1 ।

আপনি প্রশিক্ষণ এবং অনুমান সিল করে অনুমান নির্ভুলতা আরও উন্নত করতে পারেন। এটি ব্যক্তিগত মডেলে সুনির্দিষ্ট বৈশিষ্ট্যগুলিকে খাওয়ানো সক্ষম করে৷

এটিকে আরও এক ধাপ এগিয়ে নিয়ে, আপনি চূড়ান্ত অনুমানও সিল করতে পারেন। এই ক্ষেত্রে, মডেলের মালিকের অনুমানে কোনও অ্যাক্সেস নেই।
এটি বর্তমান অন-ডিভাইস ব্যক্তিগতকরণ ডিজাইন।

যাচাইযোগ্যভাবে ব্যক্তিগত

অন-ডিভাইস ব্যক্তিগতকরণের লক্ষ্য যাচাইযোগ্যভাবে ব্যক্তিগত হওয়া। এটি ব্যবহারকারীর ডিভাইসগুলি থেকে কী ঘটছে তা যাচাই করার উপর ফোকাস রাখে। ODP সেই কোডটি লিখবে যা শেষ ব্যবহারকারীদের ডিভাইসগুলি রেখে ডেটা প্রক্রিয়া করে এবং NIST-এর RFC 9334 রিমোট ATtestation processS (RATS) আর্কিটেকচার ব্যবহার করে প্রমাণ করবে যে এই ধরনের কোড একটি গোপনীয় কম্পিউটিং কনসোর্টিয়াম -অনুশীলিত, ইনস্ট্যান্স অ্যাডমিন ডি-প্রিভিলেজড সার্ভারে অপরিবর্তিত চলছে৷ এই কোডগুলি ওপেন সোর্স করা হবে এবং বিশ্বাস তৈরি করতে স্বচ্ছ যাচাইয়ের জন্য অ্যাক্সেসযোগ্য হবে। এই ধরনের ব্যবস্থা ব্যক্তিদের আস্থা দিতে পারে যে তাদের ডেটা সুরক্ষিত আছে এবং ব্যবসাগুলি গোপনীয়তার নিশ্চয়তার একটি শক্তিশালী ভিত্তির উপর ভিত্তি করে খ্যাতি স্থাপন করতে পারে।

সংগৃহীত এবং সঞ্চিত ব্যক্তিগত ডেটার পরিমাণ হ্রাস করা অন-ডিভাইস ব্যক্তিগতকরণের আরেকটি গুরুত্বপূর্ণ দিক। এটি ফেডারেটেড কম্পিউট এবং ডিফারেনশিয়াল প্রাইভেসির মতো প্রযুক্তি গ্রহণ করে, সংবেদনশীল ব্যক্তিগত বিবরণ বা শনাক্তযোগ্য তথ্য প্রকাশ না করে মূল্যবান ডেটা প্যাটার্নের প্রকাশকে সক্ষম করে এই নীতিটি মেনে চলে।

একটি অডিট ট্রেইল বজায় রাখা যা ডেটা প্রক্রিয়াকরণ এবং ভাগ করে নেওয়ার সাথে সম্পর্কিত কার্যকলাপগুলিকে লগ করে তা যাচাইযোগ্য গোপনীয়তার আরেকটি মূল দিক। এটি গোপনীয়তার প্রতি আমাদের প্রতিশ্রুতি প্রদর্শন করে অডিট রিপোর্ট তৈরি এবং দুর্বলতা সনাক্ত করতে সক্ষম করে।

আমরা গোপনীয়তা বিশেষজ্ঞ, কর্তৃপক্ষ, শিল্প এবং ব্যক্তিদের কাছ থেকে গঠনমূলক সহযোগিতার জন্য আমাদের ক্রমাগত নকশা এবং বাস্তবায়নের উন্নতিতে সাহায্য করার জন্য জিজ্ঞাসা করি।

নীচের গ্রাফটি ক্রস-ডিভাইস একত্রিতকরণ এবং প্রতি ডিফারেনশিয়াল গোপনীয়তার জন্য শব্দ করার কোড পথ দেখায়।

ফেডারেটেড কম্পিউট পরিষেবার কাঠামো, যা ফেডারেটেড লার্নিং এবং ফেডারেটেড অ্যানালিটিক্স উভয়ই পরিচালনা করে। এনক্রিপ্ট করা, আন-নোইজড ডেটা শুধুমাত্র ডিভাইসে প্রক্রিয়া করা হয় (লাল লাইন)। প্রক্রিয়াকরণের ফলাফলগুলি এনক্রিপ্টেড আপলোড করা হয়, উভয় ট্রানজিটে এবং বিশ্রামে ( টিল-রঙের লাইন )। শুধুমাত্র অন-ডিভাইস পার্সোনালাইজেশন রচয়িত, ওপেন সোর্সড ক্রস-ডিভাইস অ্যাগ্রিগেশন এবং নয়েজিং ওয়ার্কলোড একাধিক-পার্টি কোঅর্ডিনেটরদের সাথে সফল প্রত্যয়নের পরে, এনক্রিপ্ট না করা কাঁচা ডিভাইসের ফলাফলে অ্যাক্সেস করতে পারে। ট্রাস্টেড এক্সিকিউশন এনভায়রনমেন্টের ভিতরে ডিফারেনশিয়াল প্রাইভেসি মেকানিজম অনুযায়ী সঠিকভাবে নয়েজ প্রয়োগ করার পরে, সমস্ত ডাউনস্ট্রিম ডেটা ফ্লো এনক্রিপ্ট করা যেতে পারে ( কমলা লাইন )।

উচ্চ-স্তরের নকশা

কিভাবে গোপনীয়তার মাধ্যমে গোপনীয়তা প্রয়োগ করা যেতে পারে? একটি উচ্চ স্তরে, ODP দ্বারা রচিত একটি নীতি ইঞ্জিন যা একটি সিল করা পরিবেশে চলে তাদের ইনপুট এবং আউটপুটগুলির ডিপি স্ট্যাটাস ট্র্যাক করার সময় প্রতিটি নোড/সাবগ্রাফের তত্ত্বাবধানে মূল উপাদান হিসাবে কাজ করে:

• পলিসি ইঞ্জিনের দৃষ্টিকোণ থেকে, ডিভাইস এবং সার্ভারকে একইভাবে বিবেচনা করা হয়। অভিন্ন পলিসি ইঞ্জিন চালিত ডিভাইস এবং সার্ভারগুলিকে যৌক্তিকভাবে অভিন্ন বলে মনে করা হয়, একবার তাদের পলিসি ইঞ্জিনগুলি পারস্পরিকভাবে সত্যায়িত হয়ে গেলে৷
• ডিভাইসগুলিতে, AOSP বিচ্ছিন্ন প্রক্রিয়াগুলির মাধ্যমে বিচ্ছিন্নতা অর্জন করা হয় (বা প্রাপ্যতা উচ্চ হয়ে গেলে দীর্ঘমেয়াদে pKVM )। সার্ভারগুলিতে, বিচ্ছিন্নতা একটি "বিশ্বস্ত পক্ষের" উপর নির্ভর করে, যা হয় একটি TEE এবং অন্যান্য প্রযুক্তিগত সিলিং সমাধান যা পছন্দের, একটি চুক্তি চুক্তি বা উভয়ই।

অন্য কথায়, প্ল্যাটফর্ম নীতি ইঞ্জিন ইনস্টল এবং চালানোর সমস্ত সিল করা পরিবেশগুলিকে আমাদের বিশ্বস্ত কম্পিউটিং বেস (TCB) এর অংশ হিসাবে বিবেচনা করা হয়। ডেটা টিসিবি-র সাথে অতিরিক্ত শব্দ ছাড়াই প্রচার করতে পারে। TCB থেকে ডেটা চলে গেলে DP প্রয়োগ করতে হবে।

অন-ডিভাইস ব্যক্তিগতকরণের উচ্চ-স্তরের নকশা কার্যকরভাবে দুটি অপরিহার্য উপাদানকে সংহত করে:

• ব্যবসায়িক যুক্তি সম্পাদনের জন্য একটি জোড়া-প্রক্রিয়া আর্কিটেকচার
• তথ্য প্রবেশ, বহির্গমন এবং অনুমোদিত অপারেশন পরিচালনার জন্য নীতি এবং একটি নীতি ইঞ্জিন।

এই সমন্বিত নকশা ব্যবসাগুলিকে একটি সমান খেলার ক্ষেত্র অফার করে যেখানে তারা একটি বিশ্বস্ত কার্যকরী পরিবেশে তাদের মালিকানা কোড চালাতে পারে এবং উপযুক্ত নীতি পরীক্ষাগুলি সাফ করেছে এমন ব্যবহারকারীর ডেটা অ্যাক্সেস করতে পারে।

নিম্নলিখিত বিভাগগুলি এই দুটি মূল দিকগুলির উপর প্রসারিত হবে।

ব্যবসায়িক যুক্তি সম্পাদনের জন্য পেয়ারড-প্রসেস আর্কিটেকচার

অন-ডিভাইস পার্সোনালাইজেশন AOSP-এ একটি পেয়ারড-প্রসেস আর্কিটেকচার প্রবর্তন করে যাতে ব্যবসায়িক লজিক এক্সিকিউশনের সময় ব্যবহারকারীর গোপনীয়তা এবং ডেটা নিরাপত্তা বাড়ানো যায়। এই স্থাপত্যের মধ্যে রয়েছে:

• ব্যবস্থাপনা প্রক্রিয়া। এই প্রক্রিয়াটি আইসোলেটেড প্রসেস তৈরি করে এবং পরিচালনা করে, এটি নিশ্চিত করে যে সেগুলি অনুমোদিত-তালিকাভুক্ত API-এ সীমিত অ্যাক্সেস সহ এবং কোনও নেটওয়ার্ক বা ডিস্ক অনুমতি নেই। ম্যানেজিংপ্রসেস সমস্ত ব্যবসায়িক ডেটা সংগ্রহ পরিচালনা করে, সমস্ত শেষ ব্যবহারকারীর ডেটা এবং নীতিগুলি ব্যবসার কোডের জন্য সেগুলিকে পরিষ্কার করে, তাদের সম্পাদনের জন্য বিচ্ছিন্ন প্রক্রিয়াগুলিতে ঠেলে দেয়। উপরন্তু, এটি IsolatedProcesses এবং সিস্টেম_সার্ভারের মতো অন্যান্য প্রক্রিয়াগুলির মধ্যে মিথস্ক্রিয়া মধ্যস্থতা করে।

• বিচ্ছিন্ন প্রক্রিয়া। বিচ্ছিন্ন হিসাবে মনোনীত ( isolatedprocess=true ), এই প্রক্রিয়াটি ব্যবসার ডেটা, নীতি-পরিষ্কারকৃত শেষ-ব্যবহারকারীর ডেটা এবং ম্যানেজিংপ্রসেস থেকে ব্যবসার কোড গ্রহণ করে৷ তারা ব্যবসায়িক কোডকে এর ডেটা এবং নীতি-পরিষ্কারকৃত শেষ-ব্যবহারকারী ডেটাতে কাজ করার অনুমতি দেয়। IsolatedProcess কোনো অতিরিক্ত অনুমতি ছাড়াই প্রবেশ এবং প্রস্থান উভয়ের জন্য ব্যবস্থাপনা প্রক্রিয়ার সাথে একচেটিয়াভাবে যোগাযোগ করে।

পেয়ারড-প্রসেস আর্কিটেকচার ব্যবসাগুলিকে তাদের ব্যবসার যুক্তি বা কোড ওপেন-সোর্স করার প্রয়োজন ছাড়াই শেষ-ব্যবহারকারীর ডেটা গোপনীয়তা নীতিগুলির স্বাধীন যাচাইয়ের সুযোগ প্রদান করে৷ IsolatedProcesses-এর স্বাধীনতা বজায় রাখার সাথে ManagingProcess এবং Isolated Processes দক্ষতার সাথে ব্যবসায়িক যুক্তি সম্পাদন করে, এই আর্কিটেকচারটি ব্যক্তিগতকরণের সময় ব্যবহারকারীর গোপনীয়তা সংরক্ষণের জন্য আরও নিরাপদ এবং দক্ষ সমাধান নিশ্চিত করে।

নিচের চিত্রটি এই জুটিবদ্ধ প্রক্রিয়া আর্কিটেকচার দেখায়।

যে সত্তা "অ্যাডপ্টার অ্যাপ" এর লেখক সে গ্রাফে "অ্যাডপ্টার apk" লেখকের মত একই সত্তা হতে পারে বা নাও হতে পারে। যে সত্তাটি "Adopter apk" এর লেখক তারা গ্রাফে "Adopter Local Store" এর মালিকের মতই।

ডেটা অপারেশনের জন্য নীতি এবং নীতি ইঞ্জিন

অন-ডিভাইস ব্যক্তিগতকরণ প্ল্যাটফর্ম এবং ব্যবসায়িক যুক্তির মধ্যে একটি নীতি প্রয়োগকারী স্তর প্রবর্তন করে। লক্ষ্য হল এমন সরঞ্জামগুলির একটি সেট প্রদান করা যা শেষ-ব্যবহারকারী এবং ব্যবসায়িক নিয়ন্ত্রণকে কেন্দ্রীভূত এবং কার্যকরী নীতিগত সিদ্ধান্তগুলিতে ম্যাপ করে। এই নীতিগুলি তারপর প্রবাহ এবং ব্যবসা জুড়ে ব্যাপকভাবে এবং নির্ভরযোগ্যভাবে প্রয়োগ করা হয়।

পেয়ারড-প্রসেস আর্কিটেকচারে, পলিসি ইঞ্জিনটি ম্যানেজিং প্রসেসের মধ্যে থাকে, শেষ-ব্যবহারকারী এবং ব্যবসায়িক ডেটার প্রবেশ এবং প্রস্থান তত্ত্বাবধান করে। এটি IsolatedProcess-এ অনুমোদিত-তালিকাভুক্ত ক্রিয়াকলাপগুলিও সরবরাহ করবে। নমুনা কভারেজ ক্ষেত্রগুলির মধ্যে রয়েছে শেষ-ব্যবহারকারীর নিয়ন্ত্রণ সম্মান, শিশু সুরক্ষা, অসম্মত ডেটা শেয়ারিং প্রতিরোধ, এবং ব্যবসার গোপনীয়তা।

এই নীতি প্রয়োগকারী আর্কিটেকচারে তিন ধরনের ওয়ার্কফ্লো রয়েছে যেগুলিকে কাজে লাগানো যেতে পারে:

• ট্রাস্টেড এক্সিকিউশন এনভায়রনমেন্ট (TEE) যোগাযোগের সাথে স্থানীয়ভাবে শুরু করা অফলাইন কর্মপ্রবাহ:
  • ডেটা ডাউনলোডিং প্রবাহ: বিশ্বস্ত ডাউনলোড
  • ডেটা আপলোডিং প্রবাহ: বিশ্বস্ত লেনদেন
• স্থানীয়ভাবে শুরু করা, অনলাইন কর্মপ্রবাহ:
  • রিয়েল-টাইম পরিবেশন প্রবাহ
  • অনুমান প্রবাহিত হয়
• স্থানীয়ভাবে শুরু করা, অফলাইন কর্মপ্রবাহ:
  • অপ্টিমাইজেশন প্রবাহ: ফেডারেটেড লার্নিং (FL) এর মাধ্যমে বাস্তবায়িত অন-ডিভাইস মডেল প্রশিক্ষণ
  • রিপোর্টিং প্রবাহ: ফেডারেটেড অ্যানালিটিক্স (FA) এর মাধ্যমে ক্রস-ডিভাইস অ্যাগ্রিগেশন বাস্তবায়িত

নিম্নলিখিত চিত্রটি নীতি এবং নীতি ইঞ্জিনের দৃষ্টিকোণ থেকে আর্কিটেকচার দেখায়।

পলিসি ইঞ্জিন নকশার কেন্দ্রে বসে। উদাহরণ (সম্পূর্ণ নয়):

• ডাউনলোড করুন: 1 -> 2 -> 4 -> 7 -> 10 -> 11 -> 3
• পরিবেশন: 1 + 3 -> 4 -> 6 -> 9 -> 11 -> 3
• অপ্টিমাইজেশান: 2 (প্রশিক্ষণ পরিকল্পনা প্রদান করে) -> 1 + 3 -> 4 -> 5 -> 8 -> 11 -> 2
• রিপোর্টিং: 3 (একত্রীকরণ পরিকল্পনা প্রদান করে) -> 1 + 3 -> 4 -> 5 -> 8 -> 11 -> 2

সামগ্রিকভাবে, পলিসি এনফোর্সমেন্ট লেয়ারের প্রবর্তন এবং অন-ডিভাইস পার্সোনালাইজেশনের পেয়ারড-প্রসেস আর্কিটেকচারের মধ্যে পলিসি ইঞ্জিন প্রয়োজনীয় ডেটা এবং ক্রিয়াকলাপগুলিতে নিয়ন্ত্রিত অ্যাক্সেস প্রদান করার সময় ব্যবসায়িক যুক্তি সম্পাদনের জন্য একটি বিচ্ছিন্ন এবং গোপনীয়তা-সংরক্ষিত পরিবেশ নিশ্চিত করে।

স্তরযুক্ত API পৃষ্ঠতল

অন-ডিভাইস ব্যক্তিগতকরণ আগ্রহী ব্যবসার জন্য একটি স্তরযুক্ত API আর্কিটেকচার প্রদান করে। উপরের স্তরটি নির্দিষ্ট ব্যবহারের ক্ষেত্রে তৈরি করা অ্যাপ্লিকেশনগুলি নিয়ে গঠিত। সম্ভাব্য ব্যবসাগুলি তাদের ডেটা এই অ্যাপ্লিকেশনগুলির সাথে সংযুক্ত করতে পারে, যা টপ-লেয়ার API নামে পরিচিত৷ টপ-লেয়ার এপিআই মিড-লেয়ার এপিআই-তে তৈরি করা হয়।

সময়ের সাথে সাথে, আমরা আরও টপ-লেয়ার API যোগ করার আশা করি। যখন একটি টপ-লেয়ার এপিআই একটি নির্দিষ্ট ব্যবহারের ক্ষেত্রে উপলব্ধ না হয়, অথবা যখন বিদ্যমান টপ-লেয়ার APIগুলি যথেষ্ট নমনীয় না হয়, তখন ব্যবসাগুলি সরাসরি মিড-লেয়ার APIগুলি প্রয়োগ করতে পারে, যা প্রোগ্রামিং আদিমতার মাধ্যমে শক্তি এবং নমনীয়তা প্রদান করে।

উপসংহার

অন-ডিভাইস পার্সোনালাইজেশন হল একটি দীর্ঘমেয়াদী সমাধানের বিষয়ে আগ্রহ এবং প্রতিক্রিয়া চাওয়ার জন্য একটি প্রাথমিক পর্যায়ের গবেষণা প্রস্তাব যা সর্বশেষ এবং সর্বোত্তম প্রযুক্তিগুলির সাথে ব্যবহারকারীর গোপনীয়তা সংক্রান্ত উদ্বেগগুলিকে সমাধান করে যা উচ্চ উপযোগিতা আনতে পারে বলে আশা করা হচ্ছে৷

আমরা গোপনীয়তা বিশেষজ্ঞ, ডেটা বিশ্লেষক এবং সম্ভাব্য শেষ ব্যবহারকারীদের মতো স্টেকহোল্ডারদের সাথে জড়িত হতে চাই যাতে ODP তাদের চাহিদা পূরণ করে এবং তাদের উদ্বেগের সমাধান করে।