此页面由 Cloud Translation API 翻译。

了解摘要报告中的噪声

了解噪声的含义、噪声来源，以及噪声对衡量工作的影响。

摘要报告是汇总可汇总报告的结果。当收集器对可汇总报告进行批量处理并由汇总服务处理时，系统会在生成的摘要报告中添加噪声（随机数量的数据）。添加了噪声以保护用户隐私。此机制的目标是拥有一个可以支持差分隐私衡量的框架。

摘要报告中的噪声简介

虽然添加干扰数据目前通常不纳入衡量广告效果，但在很多情况下，添加干扰数据不会大幅改变您对结果的解读方式。

您不妨这样想一想：如果一部分数据并不嘈杂，您是否有信心根据该数据做出决策？

例如，如果广告系列 A 获得了 15 次转化，广告系列 B 获得了 16 次转化，广告客户是否有信心更改广告系列策略或预算？

如果答案是否定的，则表示噪声不相关。

您需要按照以下方式配置 API 使用：

在本节和后续部分中，我们将概述实现以下目标的策略：2.

每当请求摘要报告时，汇总服务都会向每个摘要值添加一次噪声（即每个键添加一次噪声）。

这些噪声值是从下文讨论的特定概率分布中随机抽取的。

影响噪声的所有元素都依赖于两个主要概念。

无论摘要值是低还是高，噪声分布（详情见下文）都是一样的。因此，相对于此值，汇总值越高，噪声产生的影响越小。

例如，假设总购买总价值为 20,000 美元和总购买总价值 200 美元均需应用从同一分布中选择的噪声。

我们假设此分布的噪声大约在 -100 到 +100 之间。
- 对于 20,000 美元的总购买价值，噪声在 0 到 100/20,000=0.5% 之间不等。
- 对于 200 美元的总购买价值，噪声在 0 到 100/200=50% 之间不等。
因此，相较于 200 美元，噪声对 20,000 美元总购买价值的影响可能较小。相对而言，20,000 美元的噪声很小，也就是说，信号与噪声比可能会比较高。

这会带来一些重要的实际影响，将在下一部分中介绍。此机制是 API 设计的一部分，其实际影响是长期的。在广告技术平台设计和评估各种汇总策略时，它们将继续发挥重要作用。
虽然噪声是从同一个分布中抽取的，而不考虑摘要值，但这种分布取决于多个参数。在结束的源试用期间，广告技术平台可以更改其中一个参数 epsilon，以评估各种实用性/隐私权调整。不过，将调整 epsilon 的功能视为临时能力。我们欢迎您针对自己的使用场景以及 epsilon 价值观提供反馈。

虽然广告技术公司无法直接控制噪声的添加方式，但可能会影响噪声对其衡量数据的影响。在接下来的部分中，我们将深入探讨在实践中如何影响噪声。

在此之前，让我们详细了解一下应用噪声的方式。

噪声是根据拉普拉斯分布绘制的，具有以下参数：

平均值 (μ) 为 0。这意味着最可能的噪声值为 0（没有添加噪声），并且噪声值可能小于原始值并更大（这有时称为无偏差值）。
缩放参数为 b = CONTRIBUTION_BUDGET / epsilon。
- CONTRIBUTION_BUDGET 是在浏览器中定义的。
- 汇总服务器中的 epsilon 是固定的。

下图显示了 μ=0、b = 20 时，拉普拉斯分布的概率密度函数：

假设某个广告技术平台请求获得两个汇总键（key1 和 key2）的摘要报告。

汇总服务按照相同的噪声分布选择两个噪声值 x1 和 x2。x1 会添加到 key1 的摘要值中，x2 会添加到 key2 的摘要值中。

在图中，我们将噪声值表示为相同的噪声值。这只是简化操作；实际上，噪声值会有所不同，因为它们是从分布中随机抽取的。

这表明噪声值都来自同一分布，并且独立于它们所应用到的汇总值。

系统会对每个汇总值应用噪声，包括空值 (0)。

例如，即使给定键的真实摘要值为 0，您也会在摘要报告中看到关于此键的噪声摘要值（很可能）不是 0。

噪声可以是正数，也可以是负数。

例如，如果预噪声购买量为 327,000，噪声可能是 +6,000 或 -6,000（这些是任意示例值）。

噪声的标准差为：

b*sqrt(2) = (CONTRIBUTION_BUDGET / epsilon)*sqrt(2)

当 epsilon = 10 时，噪声的标准差为：

b*sqrt(2) = (CONTRIBUTION_BUDGET / epsilon)*sqrt(2) = (65,536/10)*sqrt(2) = 9,267

由于您了解汇总服务输出的每个值所添加的噪声的标准差，因此您可以确定适当的比较阈值，从而确定观察到的差异是否可能是噪声造成的。

例如，如果为某个值添加的噪声约为 +/- 10（用于调整规模），而两个广告系列之间的价值差值超过 100，则很有可能得出一个结论：每个广告系列之间测得的数值差异并非仅由噪声导致。