隐私计算的技术体系有哪些

发布时间:2024年01月14日

       随着各行各业的数字化转型发展,围绕数据的数字化应用如雨后春笋般出现,数据作为业务过程的重要产品,数据作为一种资源、生产要素或商品,越来越得到大家的重视,同时,数据只有在交易流通中才能体现出价值,但需要数据安全的支撑。数据作为数字经济的生产要素之一,具有四方面的特性:数据权属、数据流通、数据安全和数据价值,而数据区别于其他生产要素,数据在流通过程中的安全性需要格外得到重视,而隐私计算就是解决这一问题的利器。

一、什么是隐私计算

隐私计算是隐私保护下的数据价值挖掘技术体系,保障在各个环节数据可用不可见情况下,实现对数据的分析计算和结果验证。数据是数据资源或数据要素,通过多方融合,作为流通对象,通过数据交易和数据共享,实现商业模式和内部机构间的数据流通共享。
隐私计算是实现数据全生命周期各阶段的数据可用不可见、数据用途可控可计量效果的计算理论和方法,融合了密码学、人工智能、计算机科学及安全硬件的跨学科领域。

二、隐私计算技术体系有哪些

隐私计算技术体系主要包括多方安全计算、联邦学习和可信执行环境。
1.多方安全计算,基于纯密码学的技术
主要包括不经意传输和秘密共享,实现数据融合查询、隐私求交、隐私检索和联合统计分析,这种方式有密码学的安全理论保障,计算复杂度和通信量较大,效率低,密钥管理要求高。
不经意传输表示发送方发送一批数据,接收方只能选取一条,不能获得其他信息。
秘密共享表示参与方合作对分片秘密进行约定的安全技术,当计算结果相同的分片数高于一定比例才能恢复秘密。
2.联邦学习,人工智能与密码学的融合技术
主要有横向、纵向和联邦迁移学习,横向是业务重叠用户少,纵向是用户

文章来源:https://blog.csdn.net/hhue2007/article/details/135586734
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。