第三讲隐语架构学习笔记

索Xi 2024-11-30 19:24:10

...全文

36 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

本文是学习隐语实训平台的第三章《可信隐私计算框架概览》的笔记。这里对文章进行总结：如果你是产品使用者你可以关注隐语的产品层和可视化操作界面。通过产品层快速了解和体验隐语的能力。如果是平台集成者可以关注算法层中API/SDK，和资源层中Kuscia。通过集成的框架，对客提供解决方案。如果是算法使用者则可关注计算层。如果是协议使用者则可关注计算层中YACL，通过隐语密码及协议底层能力补充自身产品底层协议，优化已有平台的算法性能。

数据离开持有者的运维域后，数据方仍然能够有效地控制数据的流转过程，避免其被窃取或者非预期使用。：通过可视化产品，降低终端用户的体验和演示成本，通过模块化API降低技术集成商的研发成本。：屏蔽底层安全计算协议的复杂性，以简单熟悉的SQL语言界面，提供多方数据密态分析能力。：面向跨机构场景，提供单机构内计算任务独立调度和跨机构计算任务协作的能力。：隐语和其它厂商的平台可以互联互通，共同完成一个隐私计算任务。一种特殊的安全多方计算协议，可以进行双方隐私数据求交。是用户可见的最上层，是隐语的直观入口。

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。

HEU的设计是为计算任务提供硬件级的支持，以加速全同态加密计算，并降低计算开销，为全同态加密计算提供了高效、安全的硬件支持。资源层之上是计算层，包含了很多隐私保护计算，例如多方安全计算（Secure Multi-Party Computation，MPC）、同态加密、可信执行环境（TEE）、可信密态计算（Trusted-Environment-based Cryptographic Computing，TECC）、差分隐私（DifferentialPrivacy，DP）、脱敏等。

隐语开源社区

564

社区成员

2,130

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