opendp/opendp

[](https://www.repostatus.org/#wip) [](https://opensource.org/license/MIT) [](https://docs.opendp.org/en/stable/api/python/index.html) [](https://docs.opendp.org/en/stable/api/r/) [](https://docs.rs/crate/opendp/latest) [](https://github.com/opendp/opendp/actions/workflows/smoke-test.yml?query=branch%3Amain) [](https://github.com/opendp/opendp/actions/workflows/nightly.yml?query=branch%3Amain) [](https://github.com/opendp/opendp/actions/workflows/weekly-doc-check.yml?query=branch%3Amain) OpenDP 库是一个模块化的统计算法集合，这些算法符合[差分隐私](https://en.wikipedia.org/wiki/Differential_privacy)的定义。 它可用于构建隐私保护计算的应用程序，并支持多种不同的隐私模型。 OpenDP 使用 Rust 实现，并提供了 Python 和 R 的绑定以便于使用。 OpenDP 库的架构基于一个用于表达隐私感知计算的概念框架。 该框架在论文 [A Programming Framework for OpenDP](https://opendp.org/files/2025/11/opendp_programming_framework_11may2020_1_01.pdf) 中进行了描述。 OpenDP 库是更大的 [OpenDP 项目](https://opendp.org) 的一部分，这是一项社区努力，旨在构建用于分析私有数据的值得信赖的开源软件工具。 （为了简化文档，当我们提到 “OpenDP” 时，仅指该库，而非整个项目。） ## 状态 OpenDP 正在开发中，我们预计会频繁[发布新版本](https://github.com/opendp/opendp/releases)，并整合来自 OpenDP 社区的反馈和代码贡献。 虽然这仍是一个进行中的工作，但它已可用于构建某些应用程序，以及为将扩展其功能的贡献制作原型。 我们欢迎您试用，并期待关于该库的反馈！但是，请注意以下限制： ## 安装说明 使用 `pip`（[Python 的包安装程序](https://pypi.org/project/pip/)）安装 OpenDP 的 Python 版本： ``` $ pip install opendp ``` 在 R 会话中安装 OpenDP 的 R 版本： ``` install.packages("opendp", repos = "https://opendp.r-universe.dev") ``` 更多信息可在[用户指南的入门部分](https://docs.opendp.org/en/stable/getting-started/)中找到。 ## 文档 OpenDP 的完整文档位于 https://docs.opendp.org。以下是一些有用的入口： * [用户指南](https://docs.opendp.org/en/stable/api/user-guide/index.html) * [Python API 文档](https://docs.opendp.org/en/stable/api/python/index.html) * [贡献者指南](https://docs.opendp.org/en/stable/contributing/index.html) ## 获取帮助 如果您在使用 OpenDP 时遇到问题，或想提交反馈，请联系我们！以下是一些联系我们的方式：