Google持续投入差分隐私（Differential Privacy）技术的发展，并针对JVM平台开源释出PipelineDP4j，使Java开发者可方便地采用隐私保护技术。该工具可在大规模资料分析中保护用户隐私，确保资料运算过程个人资料不会泄漏。
差分隐私是一种先进的资料保护方法，借由随机扰动和资料模糊化，确保进行资料分析时，个人资讯不会被还原辨识出来。差分隐私另一项优点是与其他隐私保护技术相比，更能保留资料的统计特性和可用性。Google从2019年起陆续开源Python、Go和C++等程式语言相关工具，方便研究人员和开发者更简单地应用差分隐私技术。
有鉴于Java平台的普及，Google释出JVM的PipelineDP版本PipelineDP4j，降低Java开发者采用差分隐私的门槛，更进一步推动隐私保护技术的普及。PipelineDP4j由Google与OpenMined开源组织共同合作开发，专门针对JVM环境设计，具备高度平行化计算能力，供开发者使用Java对大型资料集进行高效差分隐私运算。
Google早已在其产品广泛应用差分隐私技术，像是使用差分隐私技术训练Gboard语言模型，在联合学习的同时也能确保使用者个人资料的匿名和安全性。Google也扩展资料仓储BigQuery支援差分隐私技术，协助企业在进行分析时能够符合法遵要求。
Google也揭露其最新的隐私差分技术成果，能够针对小资料集进行分析。Google Trends已经能提供低流量地区精确的趋势分析。由于差分隐私资料集必须达到最低阈值，才能避免泄漏个人资料，过去小城市和特定语言群体的资料分析较为受限，但是借由Google的新技术，即使是小城市和特定语言群体的资料，也能被准确分析，同时确保用户的个人资料不受影响。