Ce projet permet d'explorer et d'appliquer la confidentialité différentielle (differential privacy) à des jeux de données via la bibliothèque OpenDP. Il vise à fournir des outils pour réaliser des analyses statistiques tout en garantissant la protection des données individuelles. Les fonctionnalités incluent le calcul de moyennes, sommes, comptages et quantiles avec des mécanismes de bruit adaptés pour préserver la vie privée.

Ce projet est une bibliothèque Python dédiée à l'échantillonnage de données pour l'analyse différentielle privée. Il permet de préserver la confidentialité des données en les perturbant légèrement, tout en préservant leur utilité pour l'analyse statistique.

Ce projet consiste en une analyse différentielle d'arbres à partir de données génomiques. Il permet de rechercher des variations génétiques et d'analyser les différences entre différents groupes d'individus.