联邦学习,多方安全计算,可信计算作为隐私计算三类技术是有各自的特点和差别,核心思想不同,应用侧重方向、数据流动方式、硬件要求等方面有差异,各有自行的演进路径。
1、联邦学习(软件级):
核心思想:面向模型,"数据不动、模型动",原始数据在本地模型训练,只交互模型的中间计算结果。
应用方向:侧重于多方数据的分布式机器学习模型训练和推理。
数据流动:不交换原始数据
密码技术:密分享、同态加密、差分隐私等
硬件要求:通用硬件
2、多方安全计算(软件级):
核心思想:面向数据,信任密码学,构建一系列基础运算操作后,实现多方原始数据转换为密文后流动和协同计算。
应用方向:侧重于多方数据的通用安全数据联合计算分析
数据流动:原始数据加密后交换
密码技术:秘密分享、同态加密、混淆电路、不经意传输、同态承诺、零知识证明、PSI、PIR、差分隐私等
硬件要求:通用硬件
3、可信计算(硬件级):
核心思想:面向数据,信任硬件,通过特殊的硬件提供安全的执行环境,原始数据加密后在"可信环境"中执行。
应用方向:侧重于多方数据的通用安全数据联合计算分析
数据流动:原始数据加密后交换
密码技术:非对称加密算法
硬件要求:指定型号硬件