隐私计算在卫生健康行业的应用与安全研究

医疗健康数据难以安全共享、开放与利用是阻碍当前卫生健康行业信息化发展的最重要因素之一。研究探讨了卫生健康行业在数据共享与利用的实际应用场景下面临的困境,提出了隐私计算在各应用场景下的应用方案,并根据实际需求给出了对应场景下隐私计算模型安全的建议。     

同态加密在隐私计算中的应用综述

同态加密技术是一种基于数学难题的计算复杂性理论的密码学技术,支持数据以密态方式进行计算,计算结果解密后与明文计算的结果一致,在多样化复杂应用场景中具有很好的普适性,是目前隐私计算领域的一个热点研究方向。通过对同态加密技术的发展历程以及相关的技术路线进行梳理,解析了同态加密在安全求交、隐匿查询、多方联合计算、多方联合建模等典型隐私计算应用场景的技术融合应用,并对同态加密目前广泛落地应用过程中碰到的关键问题进行分析,最后对同态加密的研究发展方向进行探讨。     

安全多方计算体系架构及应用思考

信息技术的飞速发展在释放数据红利的同时也加速了数据孤岛的形成.在隐私安全的前提下提升数据价值,已经成为了迫切的现实需求.安全多方计算是一项以密码学为基础的隐私计算技术,在数据隐私保护及数据价值流通领域具有广阔的应用空间.从全球数据安全背景及隐私计算入手,提出了安全多方计算技术架构,并梳理了安全多方计算产品设计思路,给出...     

面向隐私保护的非聚合式数据共享综述

海量数据价值虽高但与用户隐私关联也十分密切,以高效安全地共享多方数据且避免隐私泄露为目标,介绍了非聚合式数据共享领域的研究发展.首先,简述安全多方计算及其相关技术,包括同态加密、不经意传输、秘密共享等;其次,分析联邦学习架构,从源数据节点和通信传输优化方面探讨现有研究;最后,整理对比面向隐私保护的非聚合式数据共享框架,...     

基于组合差分隐私的社会化推荐算法研究

随着在线商品、服务以及信息的爆炸式增长,推荐系统正逐渐成为互联网应用当中一个不可或缺的部分。然而,推荐系统在给人们带来便利的同时,也存在很多潜在风险,其中之一便是隐私泄露问题。文章依托现有传统推荐算法,通过融入用户之间的信任关系,形成社会化推荐算法,提高了推荐效果。另外,在原有选定4种主要的差分隐私保护技术的基础上,结合联邦学习和安全多方计算等技术,寻求最优的组合差分隐私保护技术,增强了隐私保护的能力。     

基于可信执行环境的机密计算框架设计及安全性分析

如今,数据安全问题正受到越来越多的关注,为了在保护数据安全的前提下打破数据孤岛,隐私计算技术正在被广泛应用。通过对隐私计算技术在数据要素流通市场中的实际应用情况的研究,抽象出基于机密计算技术的业务逻辑;根据业务逻辑,设计了基于可信执行环境技术的机密计算框架;并对框架应该满足的安全性指标进行了限定,对可以达到的安全效果进行了分析。     

基于隐私计算技术的数据生态合作应用

针对当前金融领域数据获取难、安全共享难、数据分析和价值挖掘难等一系列数据运用问题,介绍利用隐私计算技术开展多方数据联合建模分析、构建隐私计算平台。阐述该平台功能架构和应用架构,以及该平台在数据生态合作中的典型案例,支撑金融领域各场景有效运用数据,促进产业数字化升级。     

基于差分隐私的联邦学习数据隐私安全技术

联邦学习方法在大数据时代有效解决了“数据孤岛”问题,也在一定程度上保障了数据隐私安全。然而,联邦学习的许多方面仍面临隐私风险。首先归纳总结了联邦学习面临的常见隐私威胁,并针对不同类型的隐私威胁归纳出对应的隐私保护措施;其次重点针对差分隐私方法进行了探讨,归纳总结了一些差分隐私的实现方法;最后基于差分隐私设计了一种适用于联邦学习系统的隐私保护手段。     

隐私计算应用及安全合规风险探讨

数据作为关键生产要素和基础性战略资源,对经济高质量发展的驱动作用日益明显。隐私计算从技术上实现了“数据可用不可见”,但同时,隐私技术的应用还存在一定的技术与合规风险。本文简单介绍隐私计算的概念和体系,然后从隐私计算的应用实践场景出发,分析隐私计算的安全合规风险,最后立足于现阶段国内隐私计算发展现状,提出隐私计算发展与应用的解决方案,为开展隐私计算提供安全方面的建议与对策,帮助数据更好地流动与释放价值。