隐私计算与区块链的融合思考

隐私计算与区块链结合:数据可信共享新范式 核心价值体现在三个方面:一是建立"数据主权"新范式,二是实现"隐私-效率"动态平衡,三是创造"多方共赢"生态。招商银行2023年发布的《金融科技报告》显示,其基于隐私计算的联合风控系统使欺诈识别准确率从78%提升至94%,同时数据调用频次增加300%。中国密码学会提出的"分层计算"方案(2023),将计算节点分为数据层、计算层、结果层,使能耗降低70%。IBM研究院提出的"动态隐私预算"模型(2023),可根据场景动态调整隐私保护强度,使金融风控场景隐私开销降低45%。 阅读详情

隐私计算是使数据“可用不可见”的技术,实践中仍存在着一些问题,例如,多方安全计算受到网络带宽或者延迟的影响,联邦学习对参与方和服务器之间的通信稳定性和带宽要求较高,可信执行环境依靠的是硬件,硬件的升级改造成本较高而且存在侧信道攻击的问题。区块链是能够解决多方信任和协作的有利工具,可以记录从数据发布到使用的全过程,通过智能合约制定策略,实现权限控制、记录、回溯等功能,还能够实现点对点的高效传输网络。那么,区块链技术是否能够与隐私计算融合呢?

1. 回顾区块链

区块链是将密码学、P2P、智能合约、共识机制等技术进行结合的一个分布式分类账本,这些技术赋予了区块链不可篡改、可追溯、去中心化等特性,在数据结构上是使用哈希指针代替普通指针的链式结构。区块包括了区块头和区块体,区块头包含了 版本号、前一个区块的哈希值、默克尔树的根哈希值、时间戳、难度值和随机数,块体包含了本区块的交易。区块链有六个层级结构,分别包括基础网络层的数据层和网络层,中间协议层的共识层、激励层 和合约层,应用服务层的应用层,如下图所示。

7e37e37f7822ee19593cc62d11bc4b51.png

区块链采用的是P2P的对等式网络,网络规定每个节点都有同等地位并且相互连接。节点又分为全节点和简约节点,全节点保存了从创世区块以来所有区块的信息,并能实时独立地完成区块链的查询、验证和更新。而简约节点只需要存储每个区块的块头信息,不需要存储全量的交易列表,简约节点只能检验与自己相关交易是否合法。

智能合约是区块链的核心要素,它本是一套数字形式定义的承诺,在以太坊提出以后,被重新定义为一段满足条件就能够自动执行的计算机程 序。智能合约收到来自外部的请求,触发运行提前写好的代码,生成交易和事件。

关于对区块链的更多理解,可以参考《无废话图记区块链》等【关联阅读】中的内容。

2. 回顾隐私计算

隐私计算技术可以归纳为三类: 数据加密与再处理、数据不动而模型动、 通过可信环境进行大数据分析与管理,即联邦机器学习、可信执行环境和多方安全计算三大核心技术。

ba520a2318744ee20e6bc9694fcfb390.jpeg

2.1 联邦学习

联邦学习是一种基于隐私保护的分布式机器学习框架,许多参与方在中心服务器 的协调下共同训练模型,同时保持训练数据的分布性,在不暴露数据的前提下分析和学习多个数据拥有者的数据。谷歌在 2016 年首次提到联邦学习,它被使用在谷歌输入法项目上,目的是聚合用户的本地数据模型,在输入法方面为用户提供更好的词汇提示功能。联邦学习中用来保护数据隐私的主流方法是使用差分隐私和加密算法。联邦学习的发展需要进一步结合一些技术或算法,在保证模型质量的前 提下提高安全性和效率。

2.2 可信执行环境

可信执行环境是通过利用软硬件方法,在计算中构建多个安全运行环境,并让数据在所构建的安全运行环境中运行。任何外部攻击者甚至是拥有高级权限的管理员都无法窃取敏感数据,与传统技术相比较能更加有效保护数据的安全性和完整性。可信执行环境概念源于开放式移动终端平台 OMTP提出的一种保护移动设备中敏感信息的方案,该方案使用双系统运行, 与传统的单系统运行环境相比较,该方案增加一个隔离的安全系统,专用于处理敏感数据,从而保证敏感数据的安全性和完整性。目前市面上主要的两种可信执行环境有 SGX 和 Trust Zone。

2.3 多方安全计算

多方安全计算是密码学的一个子领域,目的是多个参与方从每一方的隐私输入中协同计算某个函数的结果,而不用将这些数据展示出来。多方安全计算即著名的百万富翁问题,其目的是解决两个百万富翁在不泄露自己的 财产信息的情况下来比较谁更富有。如今多方安全计算衍生出同态加密、密钥共享、不经意传输和混淆电路等多个技术分支。

64fbb2e78ec604bccf9a702c74745e9f.jpeg

3. 基于区块链的隐私计算

区块链作为一种能够提供分布式信任机制的关键技术,其与隐私计算技术进行融合可以整合双方的优势,互通有无。区块链与多方安全计算的融合能保证链上数据的安全,将多方安全计算应用在授权、管理密钥、共识机制中,提升区块链的安全性,加强跨机构的协作信任,实现联合运营。对于区块链在联邦学习上的应用,利用区块链实现联邦学习的奖励机制,鼓励更多高质量的参与方参与训练,提高模型准确度,使用区块链对模型参数进行筛选,避免遭受到攻击后低质量的模型参数影响全局精度。使用可信执行环境对链上数据进行保密计算,并对智能合约进行隐私保护,相较于其他加密技术其计算损耗更少,基于可信硬件的应用对各个参与方数据进行交叉验证,实现上链存证。

3.1 区块链与多方安全计算的融合

传统上,系统中心化的可信机制由于不基于完全可靠的第三方,数据隐私容易泄露; 并且数据在第三方中不能由用户自己控制,对数据的不可控性会产生一系列的安全问题。多方安全计算着重于计算过程中的保密性,而 不能确保数据的正确性,区块链可以帮助多方安全计算实现计算周期下的全程可追溯,或者通过与区块链的结合,在跨机构间联合运营场景下完成联邦数据分析。而多方安全计算可以在区块链跨链时充当可信中介。

基于多方安全计算的智能合约,可以为多方共同完成的一个智能合约,为多方安全计算增加了输入隐私性,确保了计算节点在出错的情况下也能正常实现安全群组通信。

基于区块链的数据共享机制及多方安全计算模型,可以使用链上存储和链下存储相结合的方式存储数据,将大规模的数据信息存储在链下的数据库中,并将此链下数据的索引信息通过公钥加密后存储至链上。在需要计算时,数据持有者使用计算方的公钥将数据索引进行加密后发送给计算方,计算方计算结束后再利用数据持有方的公钥进行结果加密,每一个数据持有者都不知道其他人的计算结果。这样就可以在隐私保护的前提下实现 了数据联合共享计算的功能。

对于公开可验证的、安全的多方安全协议而言,同样可以分为链上和链下两个部分,链下部分完成数据生成、密钥生成,利用同态加密技术对数据进行加密。将计算任务放置在链上进行,保证了透明性,计算的所有步骤都可以进行公开验证, 同时所有数据的输入、输出都经过加密,保证了数据的隐私性。

1cb12f8eafff53366dcaaa45c08e6ace.jpeg

3.2 区块链与可信执行环境的融合

可信执行环境与区块链具有互补性质。可信执行环境的开销很小,并可在安全环境中完成计算,而区块链节点通常具有有限的计算能力,需要公开其整个状态来让其他节点公开验证。可信执行环境不能保证可用性或对网络的可靠访问,而区块链可以保证其状态的强可用性和持久性。

区块链和可信执行环境的结合可以提高区块链的效率和安全性。可信执行环境为区块链提供底层可信网络,复杂的链上计算任务可以在链下运行,区块链用于记录数据。可信执行环境可以用来验证事务并认可有效性,而不需要所有共识节点验证。在通过受信任软硬件实现的安全区域,可信执行环境可以确保进程运行时的内部数据对非安全区域不可见,只有通过特定的访问接口才能对安全区域进行操作。在与区块链的结合中,可信执行环境主要工作是完成秘密交易、计算、共识和跨链,适用于可能存在恶意参与方、计算逻辑复杂且需要短时间内完成等场景中。如果把可信执行环境的 RoT、计算、代码等放在链上公开,那就可以达成基于区块链和可信执行环境的共识。 

如果采用中心化的物联网数据管理,使用智能合约解决管理物联网数据中的权力集中,缺乏透明度等问题,所有数据访问权限的审计跟踪使用智能合约进行控制。使用智能合约,各方可以 指定规则来管理其交互,这些规则在区块链中独立执行,而不需要一个集中的系统。 

如果使用哈希锁和时间锁加密,将可信执行环境提供的可信资源访问和授权与区块链支付结合起来。在保证安全的前提下完成支付过程,并将支付记录存储在区块链中,为支付记录的完备性提供了保证。 

如果应用盲签名和同态加密技术来保护投票的隐私,投票者通过远程认证,在自己的客户端与具有可信执行环境的平台之间建立安全信道。加密算法是在可信执行环境中实现加密操作,为智能合约提供可信的数据源,可以有效地减少智能合约中的复杂操作,降低智能合约的执行成本。

如果使用基于区块链的可信执行环境进行数据交易,可以为公平的数据交易提供了一个可信的去中心化平台。可信数据交易平台是一个区块链网络,由正常节点和可信交换节点组成。在一个交易过程中,数据买家首先广播数据需求,并根据感兴趣的数据找到合适的数据卖家。数据买家在区块链上选择一个可信的交易节点,并将可信交易节点的地址通知数据卖家。然后,数据卖家将数据发送到受信任的节点。最后,只有在可信交易节点的区域内运行的可信交易程序检测到数据买家已经向数据卖家支付了费用之后,数据买家才能从区域内接收数据。因此,基于区块链的可信执行环境能够有效保证数据交易的公平完成。

ed6cd5a8bb2c1c54aba7a236647c8421.jpeg

3.3 区块链与联邦学习的融合

区块链和联邦学习是当前的研究热点,联邦学习是基于隐私保护的分布式机器学习,而区块链是能实现价值转移的分布式数据库,使用加密算法和共识机制,使得所存的数据不可篡改且公开透 明。区块链和联邦学习都是分布式体系架构,但本质不同,联邦学习以数据不出域的思想为核心,而区块链要利用分布式共识,保证每个节点的一致性。因此,区块链能给联邦学习类似虚拟货币的激励机制,通过激励机制鼓励参与方贡献自己的计算资源和数据; 区块链代替联邦学习的中心服务器,为联邦学习提供一个安全的数据交换环境,或者利用区块链的可追溯性帮助联邦学习找到恶意参与方,及时进行止损和惩罚。 

联邦学习的安全需求主要来源于模型质量和数据泄露。恶意参与方通过数据投毒可以影响局部模型的质量,进而影响全局模型的准确度。局部模型的不加密上传有被攻击者进行推理攻击的风险,从而造成数据泄露。

如果基于区块链的联邦学习系统应用到工业物联网中,可以鼓励工厂提供设备的运行数据,以多个工厂生产设备的使用状况为样本,用来确定设备故障的位置。通过对客户端的数据进行哈希运算,并将根节点存储在区块 链上,实现客户端数据的验证完整性。参与方除了托管本地设备的数据以外,还管理一个区块链节点,为了鼓 励参与方贡献算力和数据,在智能合约中可以加入奖励 机制,根据参与方的训练状态、训练轮次、参与方数 据集大小等为参与方发放虚拟货币。

如果将基于区块链的联邦学习系统应用到交通领域,使用区块链代替中心服务器,可以在保护车辆数据隐私的前提下实现交通流量预测。例如,来自分布式车辆的模型上传给区块链,区块链来验证模型是否合格,然后进行存储。车辆上传的局部模型使用差分隐私机制并添加噪声干扰。这样或许能够有效地防止数据遭受攻击,提高了模型更新的隐私保护能 力,进而实现安全的交通流预测。

如果解决联邦学习效率低和易受攻击的问题,或许可以采用基于区块链的异步联邦学习机制。例如,将应用层中的设备虚拟连接到区块链层中的节点。利用区块链防止单个服务器的故障, 保证数据的分布式安全存储。同时,把训练时间、样本数量、局部更新的相关性和全局更新的作弊次数上传到区块链上,在区块链不超载的情况下尽快上传模型。这样,或许会比典型联邦学习中的平均算法有较好的抗攻击能力。对于大型模型,可以采用智能合约进行分块运算,将数据和模型参数分成多个小的智能合约,然后进行联邦学习。

硬币是有两面的,将区块链应用在隐私计算中,但仍存在一些问题。在区块链与多方安全计算应用中,加解密的过程会损耗大量计算和通信资源。区块链与联邦学习结合存在使用差分隐私添加噪声、参与方数据质量和大小影响模型精度的问题。将合理的激励机制应用在训练场景,保证训练学习的公平性是发展区块链融合联邦学习的关键。受限于面临攻击多、标准不完善等问题,区块链和可信执行环境的结合仍不足以作为通用安全技术广泛应用。

4. 小结

隐私计算为打破数据孤岛、发掘数据价值、加强数据安全等方面提供了解决办法,但也产生了新的隐私安全问题。区块链因具有去中心化、可溯源、不可篡改等特点,为隐私计算提供了新的解决思路。两者优势互补,在提供隐私保护的同时也增强了数据的可用性,可以推动了各行业的发展,打破了行业内外的数据壁垒,为 提升数据价值、增强数据的可用性提供了新的解 决方案。但是,要清晰地了解其局限性和适用场景,区块链可能只是实现隐私计算的一种技术辅助。

【关联阅读】

数据编织 | 区块链与隐私计算的创新突破,可审计性与数据沿袭保障企业级数据整合与安全! 区块链技术以其不可篡改和去中心化的特性在数据管理领域广受关注,而隐私计算则承诺保护个人隐私数据。然而,这两者的成功应用有赖于数据的可信性和可追溯性。数据管理中的一个主要挑战是数据孤岛问题:企业的数据分散在多个系统中,包括财务系统、客户关系管理系统、安全系统等。这种分散性使得企业很难获得数据的全局视图,从而影响区块链的应用和隐私计算的执行。 阅读详情

相关推荐

首份行业风向标出炉,算力智库隐私计算产业30强榜单发布

7月5日,国内首个隐私计算产业论坛【“隐私计算:让数据安全有序流动起来”暨2020隐私计算产业30强榜单颁奖典礼】在杭州区块链国际周上强势登场。活动汇聚了AI、区块链、大数据、物联网等众多技术方向的顶级主流机构代表与专家,聚焦“密码学”“多方安全计算”“安全”“联邦学习”等重要议题,探讨在技术融合下如何重构数据价值与分享数据红利。 首份业界风向标,2020隐私计算产业30强榜单发布 论坛上算力智库携国内外顶级密码学与计算安全专家组成的评审委员会共同发布【2020隐私计算产业30强】榜单。..

weixin_45413034的博客 1452

【区块链隐私计算】技术原理及业务场景

区块链隐私计算是一种保护用户隐私,确保数据安全和保密的技术,通过区块链技术和密码学算法等手段实现了用户之间的数据安全共享和隐私保护。在传统区块链技术中,数据是公开透明的,且所有数据都会被记录在区块链上,所有节点都可以访问。因此,如果区块链中记录的信息涉及到个人隐私或商业机密等敏感信息,就会存在被其他人获取、篡改、泄露的风险。为了弥补这一缺陷,区块链隐私计算技术应运而生。

ChinaLiaoTian的博客 3996

隐私计算融合应用研究

摘要隐私计算是数据安全流通的关键技术,如何规模化应用是隐私计算发展面临的重点难题。从隐私计算技术落地、规模化推广应用的角度审视了隐私计算的发展趋势与面临的挑战,提出了隐私计算融合应用基本模型;通过梳理未来隐私计算融合应用的主要特点及趋势,提出了隐私计算融合应用典型方案,给出了隐私计算应用发展思考与建议,为隐私计算从离散化试点应用走向泛在化融合应用提供参考。内容目录:1  隐私计算1.1  隐私计算简介1.2  隐私计算技术体系2  隐私计算融合应用发展趋势2.1  隐私计算融合应用基本模型2.2  发展趋势

weixin_70923796的博客 260

区块链如何应用于边缘计算、隐私计算联邦学习

近年来数据安全事件频发,数据安全威胁日益严峻。 随着《中华人民共和国数据安全法》的颁布和实施,对企业合规安全地发挥数据价值提出了更高的要求。 如何在保障数据安全的前提下发挥数据价值,平衡效率和风险,是当前面临的重要课题。 本文探讨如何将区块链应用于边缘计算、隐私计算联邦学习的场景下的实现数据安全和发挥数据价值效率。

xingxincsdn的博客 5075

数据基础制度下隐私计算的实践与思考

结合数据基础制度体系建设的相关意见梳理了推动隐私计算业务发展、贡献激励和服务生态的行业探索实践,并在此基础上形成了关于数据确权、收益分配和生态建设方面的几点建议,以期对推动隐私计算在数据要素市场建设中发挥作用提供参考思路。满足数据产品可信交付的技术要求和评价规范。隐私计算在数据流通基础设施建设、数据资源集成、数据加工处理、人工智能数据分析建模、数据治理、数据技术咨询、数据安全、人才培训、产品供应、数据交付等多个领域均可发挥作用。流通前的数据来源授权链条与流通后的数据使用授权程序都需要更加清晰、明确、合理。

weixin_70923796的博客 154

区块链 隐私计算服务指南

区块链隐私计算服务原则和相关方:终端用户、业务提供方、技术提供方及第三方; 区块链隐私计算服务技术框架,包括但不限于数据共享、数据协同、密钥管理; 区块链隐私计算服务管理,包括管理要求、计算过程、评估与审计方法。

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

烟云的计算 2034

区块链行业报告:隐私计算

谷歌发布全球首个产品级移动端分布式机器学习系统,移动端算力被充分调动。2019 年 2 月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统,目前已 经能够在数千万部手机上运行。谷歌基于 TensorFlow 构建了全球首个产品级可扩展的大 规模移动端联邦学习系统,目前已在数千万台手机上运行。这些手机能协同学习一个共 享模型,所有的训练数据都留在设备端,确保了个人数据安全,手机端智能应用也能更 快更低能耗更新。研究人员表示,该系统有望在几十亿部手机上运行。联邦学习能产生 更智能的模型,更低的延时和更少的功耗,同时确保用户的隐私。 Google 开放的联邦学习算法,使得移动端分布式机

科技重塑未来:前沿技术趋势、跨领域融合与社会影响深度洞察

本文深入探讨了人工智能、区块链、量子计算、物联网等前沿技术的核心趋势及其跨领域融合对社会与经济的深远影响。文章分析了这些技术如何推动产业升级、优化资源配置,并重新定义人类与技术的互动方式。同时,文章也直面技术发展中的伦理困境与社会问题,如隐私保护、就业市场变革和社会公平等,提出了在技术进步与人文关怀之间找到平衡的重要性。通过对未来技术发展的展望,文章强调了智能化、去中心化、高效能计算等趋势的潜力与挑战,呼吁通过政策引导、技术创新和跨学科合作,确保科技发展的成果惠及全社会,推动更加公平、包容和可持续的未来。

闲人编程的博客 3239

OpenWrt kmod内核不兼容?手把手教你用脚本强制安装驱动模块(附国内镜像源)

本文详细解决了OpenWrt kmod内核不兼容问题,提供智能脚本强制安装驱动模块的方法,并附有国内镜像源加速配置。通过自动化脚本修改内核MD5校验值,确保kmod包正常安装,同时推荐多个国内镜像源以提升下载速度。

weixin_42549451的博客 546

python入门:Anaconda和Jupyter notebook的安装与使用

一、安装和使用Anaconda 1、anaconda是什么? Anaconda在英文中是“巨蟒”的意思,与python的意思相近,它是python的包管理器和环境管理器。 2、为什么需要安装anaconda? 原因有以下几点: 附带一大批常用的数据科学包,方便立即开始处理数据 管理包 anaconda是在conda(一个包管理器和环境管理器)上发展来的;而conda可以很方便地对第三方的包进行安装、卸载和更新。 管理环境 conda可以为不同的项目建立不同的运行环境,避免不同的项目或包版本

PY洋洋 1万+

隐私计算与区块链技术融合研究报告

隐私计算 + 区块链

小楼一夜听春雨 452

不写代码,Cursor 10分钟开发1个APP!保姆级教程喂饭来了

做出第一个能运行的app,那种成就感真的很棒。虽然过程可能有点折腾,但只要耐心一点,问题都能解决。记住,遇到问题不要慌,现在有AI帮忙,大部分问题都能快速解决。重要的是迈出第一步,开始动手实践。你的第一个app可能很简单,但这是一个很好的开始。随着经验积累,你能做出的东西会越来越酷。现在就开始行动吧,说不定下个月你就能向朋友炫耀你自己做的app了!

chenhong007的博客 1553

三万文字透视前瞻:区块链及隐私计算在传统企业中的技术认知与进阶思考

区块链正在加速构建新一代价值网络和契约社会,正在将传统以人为信任基础的契约文明向以机器为信任基础的数学文明迁移,并正以机器信任为基础,重构以Web3和元宇宙为代表的下一代互联网。区块链与隐私计算的结合互补,不仅解决了数据的确权和在更大范围内的数据网络协作问题,同时也解决了数据本身在流通过程中的安全和隐私保护问题,让数据资产的自由可信和安全合规的流通成为现实。

madmanvswarrior的博客 2987

LabVIEW新手必看:5个工业自动化实战项目从零搭建(附完整代码)

本文为LabVIEW新手提供了5个从零开始的工业自动化实战项目指南,涵盖数据采集、状态机控制、PID闭环、振动监测及多站协同监控。通过详细的架构解析和关键代码片段,帮助读者快速掌握LabVIEW图形化编程的核心逻辑与工程化思维,并附完整代码实现。

agile9scrum的博客 1074

从CMOS到CML:手把手教你为PLL选对分频器电路(附性能对比与选型指南)

本文深入解析了PLL分频器电路的三大主流架构——静态CMOS、动态TSPC和CML,通过性能参数对比和实测数据,提供了从频率需求、功耗预算到噪声防护的完整选型指南。特别针对高频应用的CML分频器设计要点和混合架构优化方案,为射频与模拟IC设计工程师提供实用参考。

weixin_30887919的博客 462

万字雄文前瞻丨区块链及隐私计算在传统企业中的技术认知与进阶思考

前言区块链是一种分布式网络数据管理技术,其利用密码学和分布式共识协议保证网络传输与访问安全,并实现数据多方维护、交叉验证、全网一致和不易篡改。区块链让信任经济成为可能,并开创了一种在不可信的竞争环境中低成本建立信任的新型计算范式和协作模式,其正在加速构建新一代价值网络和契约社会,并已逐步成为数字经济时代的通用信任基础实施。当前阶段,区块链正脱离“币圈”走向实业,由虚向实,...

边缘计算社区 3414

MOSFET关断尖峰电压的机理与抑制

MOSFET在电力电子系统中存在开关尖峰电压/电流问题,主要源于寄生电感、密勒电容及开关瞬态特性。尖峰会引发过压击穿、功率损耗和EMI干扰。抑制措施包括优化驱动电路、添加缓冲网络(RC/RCD)、降低寄生电感(改进PCB布线/封装)、使用快速二极管及远端负载特殊处理(电抗器/滤波器)。系统性的器件选型与电路设计是确保功率电子稳定运行的关键。

硬核科技 1828

隐私计算新趋势:差分隐私与其他技术的融合

在我们的日常生活中,我们或多或少都接触过隐私保护的概念,比如手机应用的隐私协议。而隐私计算领域最近有一个新趋势,就是差分隐私与其他技术的融合,这能让我们的数据在更安全的同时,还能实现数据的有效利用,就像既能保护你的宝藏,又能让宝藏发挥价值。想象一下,你生活在一个数字化的小镇里,你的每一笔消费、每一次上网浏览记录都像是小镇街道上的路灯,清晰地被人看见。学习这个新趋势可以让我们更好地理解数据安全领域的发展,对于从事互联网、金融、医疗等行业的人来说,这可能意味着新的业务机会和更安全的数据处理方式。

Agentic AI人工智能与大数据正在引领一场新智能科技革命。 1075

辉芒微教程第七篇《PWM与PWM3调节LED灯的亮度》

这个其实就是PR3L = 128设置的,由于我们刚刚寄存器设置了8位模式,其设置的范围就是0-255,而128/255≈50%左右,因此PR3L就是我们的占空比调节的寄存器,我们可以通过它来调节占空比,大家可以试试它占空比设置10%,30%,60%来看看它的不同效果,灯的亮度是肯定不一样的,如果有条件的朋友,可以购买一款逻辑分析仪去看他的占空比。平平无期的这个东西有什么东东用,貌似是没什么用,只是一个概念而已,是不是不同设备可以设置1秒,3秒,10秒的周期就行?但是它占空比为什么是50%,怎么得来的?

qq_41809823的博客 831

1、世界级模拟电路设计指南

本文详细探讨了模拟电路设计的各个方面,从基础概念到实际应用,涵盖了元件选择、滤波器设计、反馈系统、噪声问题以及SPICE仿真的优缺点。文中还提供了设计实例和无计算机设计方法,旨在帮助工程师提升模拟电路设计的效率与可靠性。

s1t2u3的博客 99

区块链融合隐私计算开启医疗数据安全新篇章,FinTechathon2021区块链冠军之想

作者 | 贾凯强生老病死,没有人能够绕得开医院。而在数字化时代里,医疗的数字化意味着海量的传统信息需要变成数据,其中会涉及大量的隐私保护的问题。面对隐私与数据安全,区块链在身份可信、数据可...

区块链大本营 4086

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

边缘计算与隐私计算的融合:构建数据经济的“隐形护盾“

结语:边缘计算与隐私计算的融合,不是技术的简单叠加,而是数字文明演化的必然路径。本文将从"数据流动的拓扑学"视角,探讨二者融合如何重构数字社会的基础设施。当边缘计算的分布式算力与隐私计算的加密协议相遇,数据流动不再是线性管道,而是形成复杂的拓扑网络。• 工业场景中,西门子的MindSphere平台通过DP3T(分布式隐私保护追踪)协议,在边缘侧实现跨工厂的设备故障预测,数据全程保持加密状态。这种"按需解密"的动态机制,将数据隐私从静态保护转向行为约束,彻底改变隐私保护的范式。

qq_74383080的博客 736

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

2020区块链技术思考:跨链标准、硬件化、IoT融合成为三大趋势

基于目前的区块链业务发展趋势及技术的积累程度,预判2020年总体上成熟的业务将会从单链协作迈入跨链协作阶段,形成更大规模的业务价值网络。 ——闫莺 2019年区块链技术的产业化已经开场,拐点即将到来。蚂蚁金服自主研发的区块链引擎已在技术上实现“双10亿”:通过可拓展共识以及双层网络设计,蚂蚁区块链能够支持10亿账户规模、每日10亿交易量,以及实现每秒10万笔跨链信息处理能力(PP...

yuxinqingge的博客 1073

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

医疗数据中的多尺度因果图建模与实时动态治疗策略的边缘计算与区块链融合优化

当多尺度因果图建模遇见边缘计算与区块链,医疗数据正从"静态样本"进化为"动态资产"。这种融合不仅解决了72小时模型更新的痛点,更在深层次重构医疗数据的价值创造模式——从中心化的数据囤积,走向去中心化的价值共创。未来,每个边缘节点都将成为医疗数据价值网络的神经元,在保护隐私的同时释放数据要素潜能,这或许就是健康医疗大数据行业突破"三明治困境"的关键钥匙。

jaxzheng的博客 1271

蚂蚁链发布新一代网络平台「FAIR」 区块链进入隐私计算原生时代

10月22日,2021杭州云栖大会上,蚂蚁集团旗下蚂蚁链宣布升级区块链架构,在新架构上,隐私计算成为一种原生能力。蚂蚁链还基于这一新架构推出全新区块链网络平台「FAIR」,在「FAIR」上,隐私计算将在出厂设置中就与区块链一起融合到单个系统内。 数据多方协作与流转已成趋势,隐私计算技术在加密状态下对数据进行计算和分析,实现了数据价值的提取;区块链技术分布式记账、可追溯的特性为数据价值的转移提供了必要的基础,两者结合为数字经济的转型和发展提供了技术可能。 目前,行业内的通用做法是,通过双系统架构将两者

优快云云计算 953
上一篇: 隐私计算中可信执行环境的一知半解
下一篇: Agent 与对象的辨析
半吊子全栈工匠
半吊子全栈工匠 领域专家: 嵌入式与硬件开发技术领域 领域专家: 嵌入式与硬件开发技术领域
博客等级 码龄18年 4632粉丝 897原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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