- 博客(14)
- 收藏
- 关注
RSS订阅原创 腾讯隐私预算白皮书——三大流派之联邦学习助力实现多方联合机器学习
隐私计算伴随着密码技术、硬件技术的发展加速商业化， 其技术路径也处于高速的演进和变化状态，其中联邦学习、多方安全计算和可信计算是当前主流技术路径，也是当下产品化的主要方向。此外区块链与隐私计算的融合应用也成为业界的共识，两者相辅相成。1、基本概念联邦学习是一种分布式机器学习技术和系统，包括两个或多个参与方，这些参与方通过安全的算法协议进行联合机器学习，可以在各方数据不出本地的情况下联合多方数据源建模和提供模型推理与预测服务。在联邦学习框架下，各参与方只交换密文形式...
2021-07-08 18:37:22
490
原创 腾讯隐私计算白皮书——隐私计算基本概念、现状及应用
隐私计算（Privacy Computing）是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。在隐私计算框架下，参与方的数据明文不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题。常见的实现隐私计算的技术路径包括联邦学习、安全多方计算、可信计算等，此外区块链也是隐私计算的重要补充。隐私计算也是当前数...
2021-07-08 18:19:58
3661
1
原创 cross-silo是什么？
silo 的本意是地窖、竖井，最常听到这个词是“红警”游戏，“silos needed”，就是放香料的仓库。cross-silo 里的silo显然不是这个意思，它是指“信息孤井”，意思相同的词是 island，信息孤岛。所谓信息孤井就是指，一个企业中各个部门的信息系统相互独立，各自为战，没有联系，就像一口口孤井。这样的结果显然是效率降低，信息重复度高，易冲突出错。因此出现 cross-silo 的概念，就是打通这些孤井，让它们连成一体，这样将提高信息一致性、提高效率，而且有利于准确分析。所以 cro
2021-03-18 11:37:41
3445
原创 联邦学习笔记（四）《Advances and Open Problems in Federated Learning》
目录4.1 需要提供保护的各种威胁模型4.2 核心工具和技术4.3 可信服务器存在时，对抗客户端/分析师隐私保护方面存在的问题和挑战4.4 针对恶意server的保护4.5 user perception联邦学习将整个机器学习工作流程模块化分解。原始数据不离开设备——数据最小化，只将模型更新（梯度更新）发送至中央服务器临时保存，提供一定程度的隐私。 隐私系统期望属性：所有参与者的易用性、最终用户体验的质量和公平性、通信和计算资源的明智使用、抵御攻击和失败的能力等等。4.1 需要提
2021-03-15 21:58:00
1376
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人