万物智联时代隐私计算发展探索

来源 :通信企业管理 | 被引量 : 0次 | 上传用户:JGTM2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
<正>在“数字中国”和“东数西算”等国家战略的推动以及5G深入推进、6G前瞻布局的大环境下,“万物智联”将掀起数字化时代的数据浪潮。然而这只是“前奏”,数字融通才能把数字化转型推向“高潮”。为解决数字融通的安全合规问题,隐私计算得到了业界的重视。当前,金融、政务和医疗都成为隐私计算的重要应用领域。万物智联掀起数据浪潮,隐私计算促进数据融通隐私计算就是一种打破“数据孤岛”,实现数据融通和合规应用的重要技术。在隐私计算赋能下,数据提供方的数据明文不出本地,也无法获知数据使用方使用数据的目的。基于隐私计算,可以在保护数据安全的同时实现多源数据跨域合作,破解数据保护与融合应用难题。
其他文献
隐私计算是一种新型数据处理技术,可以在保护数据隐私及安全的前提下,实现数据价值转化和流通。然而隐私计算场景中“数据可用不可见”的特性给传统的数据质量治理工作带来了很大的挑战,业界尚缺乏完善的解决方案。针对上述问题,提出一种适用于隐私计算场景的数据质量治理方法与流程,构建了本地与多方两个层级的数据质量评估体系,能够兼顾本地域及联邦域的数据质量治理工作,同时提出了一种数据贡献度衡量方法,对隐私计算的长
在国家数据要素化战略和数据隐私保护要求并行的时代背景下,隐私计算技术作为实现数据安全融合的工具受到金融行业广泛关注,并已出现较多探索应用。然而,目前相关理论研究较少,同时行业对隐私计算技术缺乏系统性的梳理。本文先根据技术原理,对隐私计算技术进行了系统梳理,并从数据流通安全的角度对典型产品技术架构进行剖析。在此基础上,总结了金融行业的隐私计算技术应用现状,提出下阶段该技术大规模商业化应用的建议,为金
<正>近年来,伴随金融数据与其他数据融合应用的案例持续增多,跨行业的数据共享、开放和协作演化为新的发展趋势,并促使金融机构在普惠金融、精准营销、风险管理等领域发生了深刻变革,而如何实现数据开发利用与安全保护、如何建设安全可信的金融数据生态,也成为金融行业亟待解决的关键问题。对此,隐私计算技术的发展为金融数据融合应用提供了全新路径,通过综合运用密码学、统计学等方法,实现了数据“可用不可见”与“可控可
期刊
联邦学习为非互信实体间的合作学习提供了一种新的解决思路,通过本地训练和中央聚合的模式,在训练全局模型的同时保护各实体的本地数据隐私。然而相关研究表明,该模式下无论是用户上传的局部模型,还是中央聚合的全局模型,都会泄露用户数据的信息。安全多方计算和差分隐私作为两种主流的隐私保护技术,分别保护计算过程和计算结果的隐私。目前很少有工作结合这两种技术的优势,用于联邦学习训练全流程的防护。将安全多方计算、差
<正>智能头盔、5G智能安全帽、“自带”安全培训的安全帽……随着科技的发展,劳保用品不断更新换代,在各项新技术的加持下,除了起到保护作用外,满足不同工作需要的高性能劳保用品和装备不断“上新”。为劳保用品添“智”的期待,正在一些地方化为现实。
期刊
<正>隐私计算应运而生隐私作为将人与动物区别开来的人的精神性追求的直接体现,关乎人格尊严,是与人的本性相连的基本需求之一。当今,科技水平的飞速提升和网络信息的爆发式增长在推动社会发展的同时也正在使人们的隐私利益面临着前所未有的挑战,对隐私的合理保护之于当前时代背景下的人类社会可谓意义重大。
期刊
<正>近年来,隐私计算技术发展势头火热。一方面,数据流通需求巨大,数据“孤岛”问题重重,机构间数据流通成为促使数据要素市场化配置、充分释放数据要素价值的重要环节。另一方面,各国数据安全监管环境收紧对隐私合规提出了更高要求,数据保护成为持续稳定的市场需求,而不再是短暂的监管应对行为。为平衡隐私保护和数据共享之间的矛盾,隐私计算技术应运而生,为数据合规提供了一种“最优解”。然而,隐私计算并非“完美”,
期刊