密码协议与博弈论隐私计算

密码协议与博弈论隐私计算_第1张图片

当前,隐私计算主要分为基于密码学技术的多方安全计算、基于可信硬件的可信执行环境、以及联邦学习

《数据安全法》已于9月1日起正式实施,两个月后《个人信息保护法》也将开始施行,意味着数据安全和隐私保护方面的监管将会在年内陆续到位。在合规收紧大背景下,“数据孤岛”现象日渐明显。如何实现安全的数据流通,保护数据隐私并发挥数据的价值,支持多方的联合计算,是各大数据平台亟需解决的问题

密码协议与博弈论隐私计算_第2张图片

联邦学习作为一种加密分布式机器学习技术,能使各参与的数据拥有方在不转移各自数据前提下,完成数据使用和机器学习建模,以满足用户隐私保护、数据安全和政策法规的要求

通过技术赋能模式创新突破数据共享瓶颈

受限的不可共享类数据更为完整、精确、具有更高的数据分析价值

确保隐私数据的可用不可见 

基于联邦学习技术,通过分布式节点部署本地模型,确保“数据不出库、模型多跑路”,从而有效解决数据隐私和数据关联分析之间的矛盾;

按联邦学习平台架构,分析算法框架主要分为数据准备、数据清洗与抽取、样本数据预处理、联合建模、联合预测5个部分。

你可能感兴趣的:(博弈论,联邦学习)