隐私计算
文章平均质量分 55
隐私计算
Winton_s
这个作者很懒,什么都没留下…
展开
-
2024.3.18-隐私计算-隐语-数据可信流通,从运维信任到技术信任
本节课从背景介绍、可信/非可信与数据流通之间的关系、提出关于技术实现数据流通安全的解决方案。技术信任的完整链路,但其实还是基于可信概念去实现的,数据实现一个全密态流转。可信数字身份-使用权的跨域管控-规范化技术要求-能力预期-全链路审计。可信与零信任之间的关系?可信与非可信之间的关系。原创 2024-03-19 13:25:12 · 484 阅读 · 0 评论 -
2024.3.19-隐私计算-隐语-隐私计算开源如何助力数据要素流通
数据提供方在一个外循环的环境之下,必定不可能对外循环合作方存在可信情况,除非是这家企业与数据提供方进行很多次合作情况下,但是也不能完全排除数据在流通中不会被泄漏的情况,毕竟合作方涉及到数据流通的人员与组织的利益依赖不可能永远一致和对齐,其次为外部事业环境因素问题。内循环,即组织采集的数据,自己实现一个包括像流程、责任等监督,数据泄漏风险较小。本节课介绍了数据要素流转流程、内外循环当中流转可能造成的隐患、主流市场对于数据流通安全的期望、隐语的开源助力数据要素流通安全。数据要素流转是走这么一个流程。原创 2024-03-21 20:02:30 · 242 阅读 · 0 评论 -
lec3-详解隐私计算框架及技术要点
本节课介绍了隐语大约在产品层、算法层、计算层、资源层、硬件层的设计,实现架构的对应技术,产品的核心其实还是在计算层,尤其是引擎这块。产品层的定位:可视化降低体验和演示成本(易操作、面对TOB类型客户是好做的)、模块化api集成(拿来即用)现在隐私计算行业(监管部门、第三方)对于产品没有规范,所以注定了隐私计算产品需要存在通用性技术。隐语的架构大概是由硬件层、资源层、计算层、算法层、产品层。计算层+算法层(PSI/联邦学习)+产品层共同构成了开源。联邦学习、关于隐语计算层内容相关专业术语概念。原创 2024-03-22 16:29:37 · 279 阅读 · 0 评论