隐私计算
文章平均质量分 92
西木风落
多年开发经验,专业、高效,致力于更好的自己
展开
-
隐私计算主流技术
隐私计算目前主流的技术路线有三种:多方安全计算、联邦学习和TEE。多方安全计算(Secure Multi-party Computation, MPC),是指一组互相不信任的参与者在保护个人隐私的同时,还可以进行协同计算。TEE(Trusted Execution Environment)是一种具有运算和储存功能,能提供安全性和完整性保护的独立处理环境。联邦学习本质上是一种分布式机器学习技术,或机器学习框架,主要分为横向联邦学习、纵向联邦学习、联邦迁移学习三大类;原创 2023-01-15 00:28:23 · 1952 阅读 · 1 评论 -
隐私计算概述
隐私计算是指在保证数据提供方不泄露原始数据的前提下,对数据进行分析计算的一些列信息技术,保障数据在流通和融合过程中的“可用不可见”。从技术交付出发,隐私计算是众多学科的交叉融合技术,目前主流的隐私计算技术分为三大方向:第一类是多方安全计算为代表的密码学隐私计算技术;第二类是以联邦学校为代表的人工智能与隐私计算技术融合衍生的技术;第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。原创 2022-12-24 22:11:33 · 1312 阅读 · 0 评论 -
隐私计算之数据隐私保护
数据价值的发挥及经济效益的产生,离不开数据资源化并参与社会生产活动实践。这就决定了数据的开放、共享协同将成为未来发展的必然趋势。数据安全是数据流通的底线,包括数据隐私安全和数据流通安全。原创 2022-12-22 23:35:37 · 1020 阅读 · 0 评论 -
隐私计算之数据是新的产生要素
21世纪以来,以大数据、人工智能、区块链、量子计算等信息技术为标志的新一轮科技革命和产业变革悄然而至,数据量和算力呈爆炸性增长,数据成为驱动经济社会发展的关键生产要素。有关数据统计,2018年我国数字经济总量达到31.3万亿,占总的GDP比例为34.8%。到2021年我国数字经济规模增至45.5万亿元。随着我国大数据产业和实体经济深度融合,产业不断发展壮大,数据作为生产要素的重要作用不断凸显。本文主要介绍为什么数据是新的生产要素,如何发挥数据要素价值,从国家宏观层面顶层设计是怎样的。原创 2022-12-09 21:33:29 · 816 阅读 · 0 评论