隐私计算机实训第五讲笔记

2301_79504126 2024-11-29 22:58:53

...全文

47 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

新能源车企在构建精准定价模型时，面临数据异构性、隐私合规要求和动态定价时效性等核心挑战。为解决这些问题，基于SecretFlow构建的车联网隐私计算定价引擎通过异构数据安全对齐、垂直联邦学习模型和动态报价决策等技术架构，实现了跨机构数据的安全融合与实时定价。该引擎采用隐私集合求交（PSI）和Geohash编码保护用户隐私，并通过差分隐私和联邦学习模型确保数据安全。代码实例展示了环境初始化、数据分片、隐私数据对齐、联邦模型训练和安全多方定价决策的全流程。性能优化策略如Cheetah协议和梯度量化压缩显著提升了

SPU实现的PSI种类半诚实模型两方dp-psi多方ecdh-3-party(可扩展到多方)恶意模型1.Alice和Bob先进行交互，得到shuffle后的两方交集2.Alice将shuffle后两方交集，发给Charlie3.Charlie加密后的数据依次给Bob和Alice加密4.Charlie比较密态数据，得到交集通过本次课，动手操作了sf的基本使用，以及docker的使用，过程中遇到了一些问题，也解决了不少问题，有所收获。

隐语隐私计算实训营第3讲笔记

PSI按照参与方数量可以分为：两方和多方PSI，按照数据集的差异可以分为：Balanced和UnBalanced PSI，按照安全模型可分为：半诚实和恶意PSI，按照计算的PSI可以分为：PSI-CA(Cardinality)，PSI-Payload Analytics以及Circuit PSI。SPU实现的PSI种类，首先半诚实模型中有两方（ecdh，kkrt16，bc22，ec-oprf PSI，dp-psi）和多方（ecdh-3-party），其次恶意模型中有mini-PSI（适合小数据集）

第一篇隐语隐私计算实训营学习笔记

隐语开源社区

574

社区成员

2,178

社区内容

发帖

与我相关

我的任务

密码学可信计算技术安全企业社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

【最新活动】

3月18日：隐私计算实训营第一期

试试用AI创作助手写篇文章吧

+ 用AI写文章