用途：实现跨数据集的隐私保护记录链接（PPRL），在不向对方暴露原始个人数据的前提下匹配同一实体记录，适用于医疗研究、欺诈检测、国家统计和跨组织分析等受隐私法规限制的场景。
主要能力：
- Bloom 过滤器编码。将姓名、出生日期、地址等准标识符经共享密钥的 HMAC 哈希函数编码为位数组，采用字符 n-gram（默认二元）与加密长期密钥（CLK）方式组合多属性，原始数据不参与交换。
- 相似度匹配。通过 Dice 系数或 Jaccard 相似度比较编码后的 Bloom 过滤器，以阈值判定匹配对，返回 (id_a, id_b, 得分)。
- 安全哈希匹配。对标准化标识字段拼接后用 HMAC-SHA256 生成带密钥哈希，用于仅需精确匹配的场景。
- 阈值调优。建议先用已标注的匹配/非匹配样本生成精确率-召回率曲线，再按场景选择阈值：0.90 以上用于医疗等高风险决策，0.80-0.90 为常规链接，0.70-0.80 用于探索性分析，0.60-0.70 用于候选生成并配合人工复核。
- 假阳性管理。以附加编码字段进行多字段二次验证，按 0.6 主得分加 0.4 次得分加权合成，超过验证阈值才确认。
使用方式：以 Python 实现，依赖 numpy 与 hashlib、hmac 等标准库。双方需约定共享密钥；调用 BloomFilterEncoder 编码记录、BloomFilterMatcher 计算相似度并给出匹配对；精确匹配可直接用 SecureHashLinker。资料未提供具体安装命令或完整调用示例。
限制与安全注意：Bloom 过滤器方案精度约 F1 大于 95%，哈希匹配仅支持精确匹配；需防范频率分析、字典攻击、位模式密码分析和碰撞利用，缓解手段包括 CLK 复合编码、加入噪声位、强共享密钥与定期轮换、过滤器长度不低于 1024 位、哈希函数不少于 20 个，以及基于 HMAC 的哈希与输入校验。其他可选方案包括安全多方计算、可信第三方和差分隐私链接，其隐私与通信成本各有差异。资料未提供价格、平台与部署细节。