
大数据与人工智能
文章平均质量分 77
人工智能系列文章
范桂飓
AWS Global Community Hero,EdgeGallery 开源社区架构组副主席及秘书处成员,跑步与自行车运动爱好者。
- 2016 年度十大博客之星得主
- 2021 年度十大博客之星得主
- 2022 年度博客新星评委
- 2023 年度博客之星评委
- 2024 年度博客之星评委
展开
-
大数据与人工智能系列文章
//原创 2022-07-13 00:24:24 · 1644 阅读 · 0 评论 -
隐私计算 — TEE — Overview
可信执行环境(TEE)是通过可信、抗篡改的软硬件构建一个可信的安全环境。在硬件中为敏感数据单独分配一块隔离的内存,所有敏感数据均在这块内存中展开计算,并且除了经过授权的接口外,硬件中的其他部分不能访问这块隔离内存中的信息。数据在该环境中由可信程序进行处理,以此来保护程序代码或者数据不被操作系统或者其他应用程序窃取或篡改。............转载 2022-07-12 17:03:12 · 937 阅读 · 0 评论 -
隐私计算 — 安全多方计算 — Overview
多方安全计算(Multi-Party Computation,MPC)的概念在 1980 年代由由姚期智院士以经典的 百万富翁难题” 提出:MPC 可以保障多个参与方进行协同计算并输出计算结果的同时,使各个参与方除了计算结果之外无法获取任何其他信息,从技术层面实现数据的可用不可见。实现方案主要包括:...........................转载 2022-07-12 17:01:14 · 1918 阅读 · 0 评论 -
隐私计算 — 区块链 — Overview
本文摘自以下文献,为个人学习笔记摘抄:区块链最早于 2008 年提出,它解决了没有信任中心情况下的去中心化的问题。区块链主要利用 Hash 函数将每个区块的内容输出为一个固定长度的值作为区块的 Hash 值,区块与区块之间通过 Hash 值相连组成链状结构。区块链没有中心化服务器,需要专门的共识算法解决多方共识问题,主要用于加密货币系统。。常见的用于区块链的共识算法有:区块链本质上属于分布式系统,用于解决分布式系统一致性问题的算法也可用于解决区块链的共识问题,比如实用 Byzantine 容错(practi转载 2022-07-12 12:14:53 · 1711 阅读 · 0 评论 -
隐私计算 — 联邦学习 — Overview
随着计算机算力的提升,机器学习作为海量数据的分析处理技术,已经广泛服务于人类社会。传统的机器学习算法需要用户将源数据上传到高算力的云服务器上集中训练,这种方式导致了数据流向的不可控和敏感数据泄露问题。简而言之,机器学习技术的发展过程中面临两大挑战:为了解决以上问题,谷歌提出联邦学习(FL, federated learning)技术,其通过将机器学习的数据存储和模型训练阶段转移至本地用户,仅与中心服务器交互模型更新的方式有效保障了用户的隐私安全。...............................转载 2022-07-11 21:58:33 · 1964 阅读 · 0 评论 -
隐私计算 — Overview
隐私计算,是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系列信息技术。隐私计算主要涉及三大关键技术:隐私计算技术可以实现数据所有权和使用权的分离,避免数据流通过程中的信息泄露,解决数据孤岛的问题。2017 年以来,国家相继颁布《网络安全法》、《数据安全法》、《个人信息保护法》、《关于加强数字政府建设的指导意见》、《要素市场化配置综合改革试点总体方案》、《“十四五”数字经济发展规划的通知》等一系列政策法规,推动数据在隐私安全的前提下,有序流通。这为隐私计算技术的落地应用打开了新局面。IDC转载 2022-07-11 20:10:03 · 1235 阅读 · 0 评论