隐私计算总结

最新推荐文章于 2023-10-26 16:25:13 发布
最新推荐文章于 2023-10-26 16:25:13 发布
阅读量269 收藏
点赞数
分类专栏： 联邦学习 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37721614/article/details/125690131
版权

隐私计算类别：

多方安全计算
联邦学习
可信执行环境
差分隐私
同态加密

其中，前三者为主流技术路线，后两者为补充技术路线。

可信联邦学习：

多方+联邦+差分+同态+可解释性好+性能好=可信联邦学习

赵赵436
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
隐私计算概述
西木风落
12-24 1329
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。
隐私计算分类
hellompc的博客
01-02 7517
在大数据时代中，海量的数据的交叉计算和人工智能的发展为各行各业提供了更好的支持，但这些被使用的数据往往包含用户的隐私数据，或企业/机构的内部数据。这些数据由于数据安全和隐私的考虑，往往是不对外开发，例如政府数据由于政策保密性完全不能对外公布，运营商、互联网公司收集到的客户数据，也不能透露给第三者，因此形成了一个个数据孤岛，数据之间不能互通，数据的价值无法体现。如何应用海量的数据，实现数据流动，同时...
隐私计算学习笔记
苹果二的博客
12-14 681
隐私保护安全技术的相关信息，基础隐私计算技术在联邦学习中的应用。
个人笔记：隐私计算的基本概念汇总
cryptocxf的博客
07-10 6102
本篇为个人看文献、查资料、读文章时记录的一点点学习笔记，包括隐私计算和隐私保护两个方面。 一、隐私计算 隐私计算（Privacy Computing）的基本概念是一种由两方或者多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，且计算结果可被验证。 隐私计算很容易被理解为一种保护隐私的技术，把重点落在隐私上，但实际上隐私计算的重点是在计算上。 隐私计算的主要作用：对消费者而言，隐私计算应用有助于保障个人信息安全；对企业和机构而言，隐私计算是数据协作过程中履
隐私计算python实现Paillier同态加密
最新发布
anxinbuxinan的博客
10-26 1741
其中，加密算法用于将明文加密为密文，解密算法用于将密文解密为明文。1.随机选择两个长度相等的大素数p，q，并满足gcd(pq,(p-1)(q-1))=1，这里gcd表示最大公约数。2.计算n=pq以及λ=lcm(p-1,q-1)，这里lcm表示最小公倍数。公钥pk=(n,g)=(391,392)，私钥sk=(176,20)2.计算n=pq=391，λ=lcm(16,22)=176。2.选择随机数r=5，gcd(5,391)=1。公钥pk=(n,g)，私钥sk=(λ,μ)3.取整数g=n+1=392。
联邦学习综述
lch的博客
12-28 1928
目录引言横向联邦学习纵向联邦学习联邦学习迁移联邦学习开源框架结论参考文献 引言        在联邦学习白皮书[1]中给出了明确的联邦学习的定义： 各方数据都保留在本地，不泄露隐私也不违反法规； 多个参与者联合数据建立虚拟的共有模型，并且共同获益的体系； 在联邦学习的体系下，各个参与者的身份和地位平等； 联邦学习的建模效果和将整个数据集放在一处建模的效果相同，或相差不大（在各个数据的用户对齐或特征对齐的条件下）； 迁移学习是在用户或特征不对齐情况下，也可以在数据间通
python实现隐私集合求交
weixin_42598278的博客
02-13 459
隐私集合求交是指在保护数据隐私的前提下，对两个数据集中的交集进行计算。 在 Python 中可以使用数学运算符 & 来实现两个集合的交集，如： set1 = {1, 2, 3} set2 = {2, 3, 4} intersection = set1 & set2 print(intersection) # 输出：{2, 3} 然而，如果数据是隐私数据，直接使用上述方法可...
2019年计算机实习报告总结.doc
11-23
实习报告通常需要保持保密性，保护毕业生的隐私和企业的商业机密。报告中不应包含任何敏感或机密信息。 知识点10：实习报告的保存和分享 实习报告可以保存在个人电脑或云存储中，并与其他毕业生、企业或招聘者分享...
计算机人事管理工作实习总结.doc
11-15
在实习过程中，我了解到，虽然计算机人事管理带来了诸多益处，但也存在挑战，如数据安全、员工隐私保护、系统升级维护等问题，需要企业持续关注并采取相应措施。同时，实现人事管理现代化不仅仅是引入技术，更重要的...
信通院发布《隐私计算应用研究报告（2023年）》
08-30
近日，中国信通院云计算与大数据研究所发布了《隐私计算应用研究报告（2023年）》，结合数据要素发展的新形势，从政策、市场等角度分析了隐私计算应用现状，总结隐私计算在各行业、数据要素流通平台的应用案例，并...
k匿名隐私保护算法python版
09-23
K-Anonymity要求对于任意一行纪录，其所属的相等集内纪录数量不小于k，即至少有k-1条纪录半标识列属性值与该条纪录相同。
python实现差分隐私Laplace机制详解
01-02
Laplace分布定义： 下面先给出Laplace分布实现代码： import matplotlib.pyplot as plt import numpy as np def laplace_function(x,beta): result = (1/(2*beta)) * np.e**(-1*(np.abs(x)/beta)) return result #在-5到5之间等间隔的取10000个数 x = np.linspace(-5,5,10000) y1 = [laplace_function(x_,0.5) for x_ in x] y2 = [laplace_function(
2021-信通院-隐私计算区块链技术融合研究报告（2021年）-发布版.pdf
08-31
报告对隐私计算及区块链技术的融合价值进行了总结，认为隐私计算及区块链技术可以为数据共享、数据权属、数据资产化等方面提供有效的解决方案，推动数据要素市场的发展。 本报告对隐私计算及区块链技术的融合价值...
隐私保护计算与合规应用研究报告（2021年）.pdf
04-07
本报告通过总结隐私保护计算关键技术、详细梳理我国个人信息和隐私保护法律法规框架，分析隐私保护计算技术相关的个人信息和隐私保护的关键合规点，深入讨论了隐私保护计算技术如何帮助企业更好的满足个人信息和隐私...
基于Python的差分隐私采用协同过滤的推荐系统 毕业设计
02-08 997
基于Python的差分隐私采用协同过滤的推荐系统 毕业设计
【隐私计算技术】开发者必看：隐语框架的分层拆解和使用
m0_69580723的博客
07-15 3191
隐私计算、密码学、机器学习、数据库
终于有人把隐私计算讲明白了
大数据
04-24 4127
导读：本文将从隐私计算技术的起源开始说起，介绍什么是隐私计算，以及隐私计算的发展脉络，并进一步介绍隐私计算技术的一些应用场景。作者：李伟荣来源：大数据DT（ID：hzdashuju）01 隐私计算技术的起源假设有两个百万富翁，他们都想知道谁更富有，但他们都想保护好自己的隐私，都不愿意让对方或者任何第三方知道自己真正拥有多少财富。那么，如何在保护好双方隐私的情况下，计算出谁...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值