使用者隱私是廣告資料中心的運作核心，也是 Google 平台的建構基礎。為了保護使用者隱私，並協助客戶遵循監管法規，我們採取若干檢查與限制措施，防止 Google 平台提供的資料含有個別使用者的資料1。
以下簡要說明廣告資料中心的隱私權功能，詳情請參閱後續章節：
- 靜態檢查會檢查查詢中的陳述式，找出顯而易見的隱私權問題。
- 資料存取預算 - 限制可存取特定資料的總次數。
- 匯總檢查 - 確保每一列的使用者達到一定人數，保障使用者隱私。
- 差異檢查 (或「差異檢查」) 會比較結果集，防止您比較多個使用者群的資料，藉此蒐集個別使用者的資訊。
- 雜訊插入 - 差異檢查的替代方式。
在查詢的匯總
SELECT子句中加入隨機雜訊，不但能保護使用者隱私，同時可產生合理準確的結果，不用再執行差異檢查，還能降低規定的輸出結果匯總門檻。
如果結果未通過隱私權檢查，廣告資料中心會顯示或傳回隱私權訊息，指出有資料列已遭篩除。篩除的可能是單一資料列，甚至是整個結果集。為了確保報表總和仍然正確，請使用篩除資料列摘要，計算捨棄的列含有多少資料2。
靜態檢查
靜態檢查會檢查查詢中的陳述式，找出顯而易見的隱私權問題，例如：匯出使用者 ID 或任何使用者 ID 的函式，或是對包含使用者層級資料的欄位套用不允許的函式。如要避免靜態檢查導致查詢錯誤，請參閱最佳做法，並瞭解允許使用的函式。
資料存取預算
「資料存取預算」會限制可存取特定資料的總次數。預算即將用完時，使用者會收到類型為 DATA_ACCESS_BUDGET_IS_NEARLY_EXHAUSTED 的隱私權訊息通知。您可以透過資料存取預算進入點，或是觀察使用者介面中的預算通知，監控預算使用情況。
匯總需求條件
廣告資料中心在執行隱私權檢查時，是以使用者匯總門檻做為核心標準。大多數查詢只能產生含括 50 位以上使用者的報表資料，但如果是只存取點擊和轉換資料的查詢，報表資料的使用者匯總門檻是 10 位
- 無論實際上有多少使用者建立 User ID 為 0 的事件，這類事件都會計為單一使用者，並計入匯總門檻。
- ID 為空值的使用者不會計入匯總門檻。
- 瞭解雜訊模式對匯總規定的影響。
最佳做法：設定篩除資料列摘要，針對省略的資料產生報表。這有助報表基準保持一致。
在以下範例中，包含廣告活動 125 的列會從最終結果中篩除，因為該列只匯總 48 位使用者的資料，未達 50 位使用者門檻。
| 廣告活動 ID | 使用者 | 曝光次數 |
|---|---|---|
| 123 | 314 | 928 |
| 124 | 2718 | 5772 |
| 125 | 48 | 353 |
隱私模式
廣告資料中心提供兩種隱私權模式：差異檢查和雜訊注入。以下各節將說明並比較這些模式。
使用差異檢查
差異檢查會比較多個充分匯總的結果，確保無法辨識使用者身分，方式如下：
- 比較執行中的工作結果和先前的結果。
- 比較相同結果集中的資料列。
當兩個工作之間的基礎資料有異動時，就會觸發差異檢查通報違規。比較工作結果與之前的結果時，廣告資料中心會檢視個別使用者層級是否存在漏洞。也就是說，即便結果來自不同廣告活動或是報表中的使用者人數相同，只要有大量重疊的使用者，結果就可能會遭到篩除。
另一方面，如果兩個匯總結果集的使用者人數相同 (兩個結果集看起來一樣)，但沒有個別使用者重疊，在此情況下可確保使用者隱私安全，結果就不會遭到篩除。
廣告資料中心在評估新結果是否存在安全漏洞時，會參考過往結果的資料。也就是說，一再重複執行相同的查詢會產生越來越多的資料，而系統進行差異檢查時，便會依據這些資料評估新結果是否有安全漏洞。此外，基礎資料可能會有所變動，導致結果本應穩定的查詢無法通過隱私權檢查。
如果工作層級結果有明顯差異，但個別資料列和上一個工作的資料列相似，廣告資料中心就會篩除類似的資料列。在這個範例中，第二項作業結果中含有廣告活動 123 的資料列會遭到篩除，因為該列與之前的結果僅相差一位使用者。
|
|
||||||||||||||||
如果結果集中所有資料列的使用者總數與上一個工作相似，廣告資料中心會篩除整個結果集。在這個範例中，系統會篩除第二個工作的所有結果。
|
|
||||||||||||||||
使用雜訊插入功能
查詢資料庫時，雜訊插入技術可保護使用者隱私，運作方式是在查詢的 SELECT 匯總子句中加入隨機雜訊。在保護使用者隱私之餘，這個雜訊能還能提供合理準確的結果，為您省去進行差異檢查的麻煩，並降低取得結果所需達到的匯總門檻。目前大多數的查詢都能在雜訊模式下執行，但有一些限制。如要進一步瞭解雜訊模式，以及雜訊插入對隱私權規定的影響，請參閱「雜訊插入」。
比較差異檢查和雜訊插入
|
|
||||||||||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||||||
篩除資料列摘要
篩除資料列摘要會匯總因隱私權檢查而篩除的資料。篩除資料列中的資料在加總後會加進綜合資料列。雖然篩除後的資料無法進一步分析，但可以歸納出從結果中篩除的資料量。
隱私權篩選功能
如果需要將查詢拆開，但想合併匯總結果，您可以對多個較小的查詢明確套用隱私權檢查，然後以隱私權安全的方式匯總這些結果。
應用情境範例：
- 您是廣告主，想在已連結的 Google Ads 帳戶中，依歸因事件類型查看所有轉換，包括歐洲經濟區資料。
- 您是評估合作夥伴，想在已連結的 Google Ads 帳戶中，依歸因事件類型查看所有轉換。
如要取得 Google Ads 帳戶的轉換總和，您可以使用 OPTIONS(privacy_checked_export=TRUE) 子句重新編寫查詢，個別對每個 Google 服務套用隱私權檢查。
本節中的重寫範例會執行下列操作：
- 這項功能會個別查詢每項 Google 服務，並明確對每個中繼結果集套用隱私權檢查。
- 系統會為每項 Google 服務 (YouTube、Gmail 和 Google 網路) 經過隱私權檢查的結果，建立個別的臨時資料表。
- 系統會匯總並加總臨時資料表中通過隱私權檢查的轉換次數。
CREATE TEMP TABLE youtube_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_youtube
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
CREATE TEMP TABLE network_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_network
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
CREATE TEMP TABLE gmail_agg OPTIONS(privacy_checked_export=TRUE) AS
SELECT
impression_data.campaign_id,
attribution_event_type,
COUNT(1) AS num_convs
FROM adh.google_ads_conversions_policy_isolated_gmail
WHERE impression_data.campaign_id IN UNNEST(@campaign_ids)
AND conversion_type IN UNNEST(@conversion_type_list)
GROUP BY campaign_id, attribution_event_type;
SELECT
campaign_id,
attribution_event_type,
SUM(num_convs) AS num_convs
FROM (
SELECT * FROM youtube_agg
UNION ALL
SELECT * FROM network_agg
UNION ALL
SELECT * FROM gmail_agg
)
GROUP BY campaign_id, attribution_event_type
請注意，這項查詢不會使用 JOIN 直接合併資料表之間的資料，而是先針對每個資料表執行查詢，對每個中繼資料表套用隱私權檢查，然後使用 UNION 加總通過隱私權檢查的值。
查詢建議工具
如果 SQL 有效但可能觸發過度篩除，查詢建議工具會在查詢建構過程中顯示可行的建議，避免產生不適當的結果。
觸發條件含括以下模式：
如何使用查詢建議工具：
- 使用者介面：建議會顯示在查詢編輯器中的查詢文字上方。
- API：請使用
customers.analysisQueries.validate方法。