[隐私计算实训营] 第1期 前言：课程开营介绍

隐私计算技术主要解决数据要素流转过程当中的安全问题，即数据加工使用权的跨域管理问题。

隐私计算是指在保证数据提供方不泄露原始数据的条件下，对数据进行分析计算的一系列信息技术，能够保证数据在流动过程中的“可用不可见”，实现数据价值的流通和共享。隐私计算的目的是在不侵犯个人隐私、保护数据安全的前提下，实现数据价值的流通，称为各行业实现“连接”和“开放”的基础。

隐语Secretflow是一个由蚂蚁集团开发的沉淀多年的开源隐私计算框架，下图为隐语架构，使用者可以根据自己的需求使用相关的产品或设计隐私计算算法。隐喻在算法层集成了热门的隐私计算模块如PSI/PIR、传统机器学习以及联邦学习等。

隐语在易用性部分做了两个非常重要的工作：隐语SecretPad 和隐语SecretNote。

这里主要介绍SecretNote，SecretNote是为隐语开发者专门打造的一个高级工具套件，其支持多节点代码的执行和文件管理，它很好地实现了隐私计算学习过程中需要两个或多个节点同时启动的情况(安全多方计算中十分常见)，同时提供了运行状态追踪功能，显著提升开发者效率与工作经验。

隐语应用场景举例：

1、金融风控：

2、医疗健康：

3、智能保险：