隐私计算(一):数据可信流通,从运维信任到技术信任

《数据二十条》:建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系

  • 完善数据全流程合规与监管规则体系

  • 建立数据流通准入标准规则,强化市场主体数据全流程合规治理,确保流通数据来源合法、隐私保护到位、流通和交易规范

  • ......

  • 鼓励探索数据流通安全保障技术、标准、方案

信任的反思

信任的基石:

  • 身份可确认

  • 利益可依赖

  • 能力有预期

  • 行为有后果

数据流通中的不可信风险:可信链条的级联失效,以至于崩塌

数据内循环:传统数据安全的信任基础

内循环:数据持有方在自己的运维安全域内对自己的数据使用和安全拥有全责

外循环:离开持有方安全域后,信任基石遭到破坏

  • 责任主体不清

  • 利益诉求不一致

  • 能力参差不齐

  • 责任链路难追溯

数据可信流通:从运维信任走向技术信任,解决信任级联失效

数据可信流通需要全新的技术要求标准技术方法体系

数据可信流通的技术信任基础

  • 基于密码学与可信计算技术的数据可信流通全流程保障

    • 身份可确认:可信数字身份呢

    • 利益能对齐:使用权跨域管控

    • 能力有预期:通用安全分级测评

    • 行为有后果:全链路审计

技术信任

可信数字应用身份:证明你是你,从哲学走向技术

  • CA证书:验证机构实体

    • 基于公私钥体系

    • 权威机构注册

  • 远程验证:验证数字应用实体

    • 基于硬件芯片可信根(TPM/TCM)与可信计算体系

    • 验证网络上某节点运行的是指定的软件和硬件

  • 能够远程验证数字应用的身份,并对执行环境做度量,是技术信任的根基

使用权跨域管控:利益对齐的核心技术要求

数据持有者在数据(包括密态)离开其运维安全域后,依然能够对数据如何加工使用进行决策,防泄露防滥用,对齐上下游利益诉求重点:

  • 对运维人员的限制

  • 对数据研发过程的管控

  • 对全链路可信审计的保障技术体系

技术体系:包括跨域计算、跨域存储、可信审计等,不允许本地运维单方决策。可以通过 隐私计算、可信计算、机密计算 等不同技术路线实现,但技术要求标准是一致的

能力预期与不可能三角形:安全要求,功能复杂度,单位成本

未来多种技术路线并存,安全分级平衡性能成本需求

隐语可信隐私计算技术实践,开源共建全栈密态流转支撑能力

全链路审计,闭环完整的数据可信流通体系

内循环: 数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责

外循环:数据要素在离开持有方管控域后,持有方依然拥有管控需求和责任

控制面:以 可信计算和区块链 为核心支撑技术构建 数据流通管控层,包括 跨域管控 与 全链路审计

数据面:以 隐私计算 为核心支撑技术构建 密态数联网,包括 密态枢纽 与 密态管道

泄露/滥用责任追溯:

  • 原始数据

    • 损失最大

    • 责任难界定

    • 注意API直连

  • 密态数据

    • 损失最小

  • 衍生数据

    • 有损失

    • 依赖于信息熵损耗

    • 责任能界定

    数据流通全链路审计:需要覆盖从原始数据到衍生数据的端到端的全过程

    密态流通可以破解 网络安全保险(数据要素险)中风险闭环的两大难题(定责和定损)

技术信任开启数据密态时代,保障广域数据可信流通

数据可信流通基础设施:密态天空计算

密态天空计算构建可信数据空间

  • 基于技术信任的跨域管控

  • 基于密态标准的数据互通

  • 基于天空计算的跨云互联

  • 覆盖数据密态流通全链路

  • 10
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AIOPS(人工智能运维与运营)技术的其中一个核心技术是任务机器人。任务机器人是基于人工智能和自动化技术开发的智能软件,具备学习、判断和执行任务的能力。在金融运维/运营中,任务机器人可以发挥重要作用,并有助于提高效率和减少人为错误的发生。 首先,在金融运维中,任务机器人可以自动化地执行一些常规的、重复性的操作,如日常批处理任务、数据备份、系统监控等。这样可以减少人工操作所需的时间和精力,提高效率,并降低人为错误的风险。 其次,任务机器人可以利用人工智能技术进行数据分析和预测。它可以根据大数据和历史数据进行模型训练和优化,从而提供智能化的决策支持。例如,在金融运营中,任务机器人可以通过监测市场数据、分析客户行为等,帮助制定更准确的产品定价策略、风险控制方案等。 此外,任务机器人还可以与现有的系统和软件进行集成,实现自动化的流程和业务操作。它可以与核心业务系统、客户关系管理系统等进行接口对接,实现数据的自动传递和处理。这样可以提高工作效率,减少人工干预,同时也提升数据的准确性和一致性。 在金融运维/运营中,落地任务机器人需要从以下几个方面考虑。首先,需要明确和定义机器人要执行的任务和指标,使其能够具体、可衡量,并与业务需求对接。其次,需要进行机器人的模型训练和调优,以确保其能够准确地识别、学习和执行任务。 第三,需要加强对任务机器人的运维和管理,包括更新和维护机器人的模型和算法,处理机器人的故障和异常情况等。最后,还需要加强与业务部门和相关人员的沟通和协作,以确保机器人能够更好地满足业务需求,并得到及时的反馈和优化。 总而言之,任务机器人是AIOPS技术中的核心之一,在金融运维/运营领域中可以大大提高效率和准确性。通过合理的规划和实施,机器人可以在金融运维/运营中成功落地并发挥重要作用。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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