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。

什么是边缘计算

边缘计算是一种分布式系统模型，它由终端设备、边缘服务器、中心服务器三层网络架构组成。

由于边缘服务器位于终端设备和中心服务器之间，相比中心服务器更靠近终端设备，不仅能为终端设备提供更实时的响应，同时也有效减少了在数据传输时带来的通信开销。

边缘计算目前已经广泛应用在车联网、无人驾驶、智慧医疗等领域。

边缘计算系统逻辑架构

边缘计算存在的数据安全问题

在训练机器学习任务时，需要大量的数据集作为支撑，边缘节点通常负责收集终端设备的数据，并将其发送到中心服务器，进行模型训练。

终端设备上传数据后会失去对数据的控制，这些数据中往往包含着用户不愿透漏的私人信息，如位置信息、医疗信息等。

因此直接将数据上传至边缘服务器或中心服务器可能会造成隐私泄露的问题。

什么是隐私计算

隐私计算是指利用隐私保护的计算系统和技术（软件或硬件方案），能够不泄露原始数据前提的下，对数据进行采集、加工、处理、分析的全过程，保证数据所有者权益、保护用户隐私的同时，充分挖掘数据的价值。

隐私