Google为其自家核心产品创建的差分隐私（Differential Privacy）函数库，现在对外开源，所有组织和开发人员都可以免费使用。Google提到，这个函数库重点放在那些难以从头开始创建的功能，让开发者可以更简单地上手，为应用程序加入自动计算用户贡献界线等功能。
差分隐私是一种限制算法，用来防范因为统计信息发布，进而造成用户个人信息外泄的问题。当一个受信任的组织，拥有众多个人敏感信息，在对外提供全局的统计数据时，就会需要用到差分隐私算法，因为虽然个别数据库中的数据，并不会对用户的隐私造成威胁，但是当多个数据库组合使用，其匿名化等隐私保护技术可能都会失效。
差分隐私提供一个隐私框架，确保组织能从这些数据中获取信息，但是又无法区分或是重新识别出个人信息。其用途很广泛，像是政府单位要发布人口统计信息，或是企业收集用户行为，作为内部分析之用时，就需要使用差分隐私算法，确保最终的统计输出，不会泄漏特定个人的信息。
Google发布的开源项目，包含了ε-差分隐私算法的C++函数库，可用于为私密或是敏感数据产生聚合统计信息，主要功能提供了常见的数据科学操作，开发人员可以使用函示库提供的计数、总和、平均值、中位数和百分位数等统计功能。
另外，项目还包含了测试程序，Google表示，执行差分隐私是一件有挑战的工作，因此开发者可以使用项目提供的广泛的组件进行测试，其中还有一个可扩展的随机差分隐私模型检查函数库，能用来检查算法的正确性。Google特别设计了函数库，使其易于扩展其他功能，增加像是附加机制、聚合功能或是隐私预算管理等功能。
Google目前已经在自家产品广泛地使用差分隐私方法，像是Google地图中店家一天的繁忙程度，特定餐厅的餐点当地图中受欢迎的程度，甚至还用于改进Google Fi。
