本頁面由 Cloud Translation API 翻譯而成。

瞭解摘要報表中的雜訊

瞭解雜訊代表的意義、這些信號的意義，以及對成效評估的影響。

摘要報表是可匯總報表的匯總結果。收集器批次處理可匯總報表並由匯總服務處理時，系統會在摘要報表中加入雜訊 (隨機數量) 的雜訊。為保護使用者隱私，裝置會加入雜訊。這個機制旨在提供可支援差異化隱私評估作業的架構。

摘要報表雜訊簡介

加入雜訊通常並非現今廣告評估的一部分，但在多數情況下，加入雜訊不會大幅改變您解讀結果的方式。

您可以透過下列方式思考：如果資料不夠吵雜，您認為根據某些資料做出決策嗎？

舉例來說，如果廣告活動 A 獲得了 15 次轉換，廣告活動 B 獲得了 16 次轉換，廣告客戶有信心修改廣告活動策略或預算。

如果答案為「否」，則雜訊並無關聯。

建議您以下列方式設定 API 使用方式：

在本節和後續環節中，我們會概述達到 2 目標的策略。

匯總服務會在每次要求摘要報表時，在每個摘要值 (也就是每個鍵一次) 加入雜訊一次。

這些雜訊值是由特定機率分佈隨機擷取，詳情請參閱下文。

所有影響雜訊的元素都仰賴兩個主要概念。

雜訊分佈情形 (詳見下文) 無論摘要值為何，無論摘要值為何都一樣。因此，相較於這個值，摘要值越高，雜訊所造成的影響就越少。

舉例來說，假設總購物總金額為 $20,000 美元，總購物總金額為 $200 美元，則適用相同的分佈情形。

我們假設這些分佈情形的雜訊大約介於 -100 和 +100 之間。
- 以 $20,000 美元的匯總購物價值計算，雜訊介於 0 到 100/20,000=0.5% 之間。
- 以 $200 美元的匯總購物價值計算，雜訊介於 0 到 100/200=50% 之間。
因此，雜訊對 $20,000 美元的匯總購物價值所造成的影響可能會低於 $200 美元。相對而言，$20,000 美元的雜訊可能較少，因此信號雜訊比率可能較高。

這會有一些重要的實際影響，我們將在下一節中說明。這項機制是 API 設計的一部分，實際的影響長期下來可能會有實際的影響。廣告技術人員在設計及評估各種匯總策略時，也將繼續扮演關鍵角色。
雖然雜訊來自於同一分佈情形 (不論匯總值為何)，但分佈取決於多個參數。在結束的來源試用期間，廣告技術可能會修改其中一個參數 epsilon，藉此評估各項公用程式/隱私權調整。不過，請思考是否能暫時調整 Epsilon。我們歡迎您提供意見，分享自己的用途和適合的 Epsilon 價值觀。

雖然廣告技術公司無法直接控制加入雜訊的方式，但可能會影響雜訊對評估資料的影響。在接下來的章節中，我們將深入探討雜訊在實務中可能造成的影響。

正式操作前，讓我們先進一步瞭解雜訊的套用方式。

雜訊取自 Laplace 分佈，其中包含下列參數：

平均值 (μ)。也就是說，最可能的雜訊值為 0 (沒有加入雜訊)，且雜訊值有可能比原始值更小 (有時稱為「無偏誤」)。
是 b = CONTRIBUTION_BUDGET / epsilon 的縮放參數。
- 瀏覽器已定義「CONTRIBUTION_BUDGET」。
- 已修正匯總伺服器中的 epsilon。

下圖顯示 Laplace 分佈以 μ=0，b = 20 的機率密度函式：

假設廣告技術要求使用兩個匯總鍵 (key1 和 key2) 產生摘要報表。

匯總服務會依照相同的雜訊分配方式，選取兩個雜訊值 x1 和 x2。在 key1 的匯總值中加入 x1，並在 key2 的匯總值中加入 x2。

在圖表中，我們會以相同的雜訊值表示。這只是簡化的；實際上，雜訊值會隨分佈隨機而隨機繪製而不同。

這表示雜訊值全都來自相同的分佈，而且與套用的摘要值無關。

系統會將雜訊套用至每個摘要值，包括空白值 (0)。

舉例來說，即使特定鍵的真實摘要值是 0，此鍵的摘要報表中顯示的雜訊摘要值 (很有可能) 並非 0。

雜訊可以是正數或負數。

舉例來說，如果前噪音的購買金額是 327,000，雜訊可能會是 +6,000 或 -6,000 (這些都是任意範例值)。

雜訊的標準差如下：

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

使用 Epsilon = 10 時，雜訊的標準差為：

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

由於您知道匯總服務為每個值輸出加入的雜訊標準差，因此可以決定適當的閾值來進行比較，判斷觀察到的差異是否為幹擾因素所導致。

舉例來說，如果加入的雜訊約為 +/- 10 (須考量資料規模)，而兩個廣告活動的值差異超過 100，我們可確信各廣告活動測量到的值差異並非單靠雜訊所造成。