- 综合排序
- 最热优先
- 最新优先
金融业隐私计算联合建模技术与应用研究
第一章：报告基础信息 •报告标题：金融业隐私计算联合建模技术与应用研究 •发布机构：北京金融科技产业联盟 •发布时间：2023年11月 •行业标签：泛金融,商业银行 •产品标签：#隐私计算平台, #联邦学习 , #多方安全计算, #可信执行环境, #Angel PowerFL, #TEE, #PSI, #MPC 第二章：报告背景和目标 本报告聚焦于金融业数据要素流通中的隐私保护需求，旨在解决传统联合建模中数据出域带来的安全风险 报告重点分析了基于隐私保护计算的联合建模技术体系，指出当前市场仍处于起步试点阶段，据毕马威研究显示，隐私计算国内技术服务营收有望在三年内触达 100-200亿人民币 空间，甚至撬动千亿级数据平台运营收入 同时，Gartner 预测到 2025年，60% 的大型组织将在分析、商业智能或云计算中使用一种或多种隐私增强的计算技术。 第三章：报告目录 一、发展综述 (一)联合建模概念探讨 (二)技术发展历程及驱动力 二、国内外实践情况 (一)国外应用情况 (二)国内应用情况 三、支撑联合建模应用的隐私计算技术体系 (一)隐私计算技术体系简述
15010编辑于 2026-05-30《金融业隐私计算联合建模技术与应用研究》报告概览
•报告标题：金融业隐私计算联合建模技术与应用研究 •发布机构：北京金融科技产业联盟 •发布时间：2023 年 11 月 •行业标签：泛金融,商业银行,政务,医疗 •产品标签：#腾讯云隐私安全计算平台, #Angel_PowerFL, #隐私计算, #联邦学习, #多方安全计算 第二章：报告背景和目标 随着数据要素化进程加速及《数据安全法》等合规监管趋严，打破数据孤岛并实现“数据可用不可见”成为金融业数字化转型的核心焦点 第三章：报告目录 一、发展综述 （一）联合建模概念探讨 （二）技术发展历程及驱动力 二、国内外实践情况 （一）国外应用情况 （二）国内应用情况 三、支撑联合建模应用的隐私计算技术体系 （一）隐私计算技术体系简述 然而，传统的数据汇聚模式面临极高的隐私泄露与合规风险；同时，异构隐私计算平台之间存在“技术孤岛”，底层算法与通信协议的不兼容导致金融机构面临高昂的重复部署成本。 第六章：为什么选择腾讯云 腾讯云作为本报告的权威起草单位之一，凭借其在隐私安全计算领域的深厚技术积淀与持续创新，展现出代表行业前沿的强劲表现： • 卓越的大规模数据并发处理性能 腾讯云隐私安全计算平台依托自研的
18410编辑于 2026-06-01《金融业隐私计算互联互通技术研究报告》结构化概要
第一章：报告基础信息 报告标题：金融业隐私计算互联互通技术研究报告 发布机构：北京金融科技产业联盟 发布时间：2023年5月 行业标签：泛金融, 技术服务, 政务 产品标签：#隐私计算, #联邦学习, 然而，早期各家厂商的隐私计算平台在技术架构和算法协议上存在巨大差异，导致平台间难以直接互联互通，形成了“技术孤岛”。 第三章：报告目录 一、隐私计算互联互通当前发展情况 (一)发展背景及意义 (二)行业驱动力 (三)难点与挑战 (四)金融行业探索实践 二、金融业隐私计算互联互通框架设计 (一)框架设计考量因素 (二)总体框架设计 调研时间范围：课题于2022年初启动，本报告反映了截至2023年5月的阶段研究成果。 其核心在于将隐私计算系统架构解耦为管理面和数据面，并进一步将数据面中的应用算法与安全算子进行分离。
16210编辑于 2026-05-30- 来自专栏喔家ArchiSelf
从隐私到隐私计算
对于个人电子产品而言，例如手机，平板电脑，便携式电脑等等，或多或少，都会涉及到隐私计算，那么什么是隐私计算呢？理解隐私计算，先要澄清“隐私”的概念，那么，什么是隐私呢？ 进而，明确隐私计算分别与隐私和计算之间的关系，即隐私计算是为了实现个人隐私保护而进行的计算还是在实现了隐私保护的前提下进行的计算？最后，才是隐私计算涉及的技术和方法。 1. 什么是隐私？ 而家庭教育权利和隐私法案为保护学生及其家庭的个人信息制定了标准。建议 k 的值为5或10，以防止披露。这显示了在选择 k 时的不同。 K 的选择是根据这些管理授权对应用程序进行预定义的。 多方安全计算中许多涉及了大量的消息传递开销，开发廉价、高效和有效的多方安全计算技术的研究正在进行中。 人们也在试图结合这两种技术，尝试提出具有可接受的时间和通信复杂度的混合方案。 5. 5.1 隐私计算的发展 隐私计算的发展历程如下图所示： 5.2 隐私计算的概念界定 2016年，中国科学院信息工程研究所研究员李凤华等对隐私计算在概念上进行了界定： 隐私计算是面向隐私信息全生命周期保护的计算理论和方法
1.6K30编辑于 2022-12-03 - 来自专栏大数据-BigData
隐私计算介绍
什么是隐私计算 从20世纪70年代一直到近年，隐私计算交叉融合了密码学、人工智能、计算机硬件等众多学科，逐渐形成以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术 隐私计算分类 从技术角度出发，隐私计算是涵盖众多学科的交叉融合技术，目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术；第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术 ；第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。 从算法构造来说，常应用同态加密、差分隐私技术以及包括基于秘密分享、不经意传输、混淆电路等密码学原理的各类多方安全计算协议和其它用于保证隐私计算的密码学技术来提升安全性。 本问资料部分参考自：隐私计算联盟、中国信通院云大所 本文为从大数据到人工智能博主「xiaozhch5」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
3.5K21编辑于 2022-01-19 2023 北京金融科技产业联盟《金融业隐私计算互联互通技术研究报告》
第一章：报告基础信息 • 报告标题：金融业隐私计算互联互通技术研究报告 • 发布机构：北京金融科技产业联盟 • 发布时间：2023年5月 • 行业标签：金融 • 产品标签：#隐私计算平台, #安全算子服务 第三章：报告目录 前言 一、隐私计算互联互通当前发展情况 (一)发展背景及意义 (二)行业驱动力 (三)难点与挑战 (四)金融行业探索实践 二、金融业隐私计算互联互通框架设计 (一)框架设计考量因素 ( • 数据来源：基于各参与单位在隐私计算领域的技术实践与行业调研，结合《金融科技发展规划（2022-2025年）》等政策文件要求，于2022年至2023年期间完成框架设计与技术验证。 • 框架创新：提出管理面与数据面低耦合切分的行业级互联互通框架，实现“隐私计算系统底座与算法解耦”及“应用算法与安全算子解耦”，支持异构平台在无需改造底层架构的前提下实现协同计算。 第六章：为什么选择腾讯云 腾讯云计算(北京)有限责任公司作为核心参与单位，入选北京金融科技产业联盟《金融业隐私计算互联互通技术研究报告》编委会成员及参编单位。
16310编辑于 2026-05-30- 来自专栏绿盟科技研究通讯
安全多方计算（5）：隐私集合求交方案汇总分析
因此，对数据进行隐私保护是现实需要，也是法律要求。隐私集合求交（Private Set Intersection, PSI）作为解决数据隐私保护的方案之一，受到广泛关注和研究。 隐私集合求交使得持有数据参与方通过计算得到集合的交集数据，而不泄露任何交集以外的数据信息，其功能如图1所示。作为安全多方计算中的一个重要分支，其不仅具有重要的理论意义，也具有广泛的应用场景。 图1 隐私集合求交功能示意图 二、 PSI分类 隐私集合求交的研究主要聚焦在两个参与方，因此，本文主要针对两方隐私集合求交进行阐述。两方PSI可根据参与方的数据集大小分为三类，如图2所示。 图4 不经意传输功能示意图 3.2.2 方案详解 在本部分，我们简述经典的基于OT的PSI方案，其流程如图5所示。 随着隐私计算技术的发展，多方及外包隐私集合求交方案也在被逐渐关注与研究，我们在后续文章中进行介绍。
4.8K10编辑于 2022-11-14 2023年北京金融科技产业联盟《金融业隐私计算联合建模技术与应用研究》报告概要
第一章：报告基础信息 报告标题：金融业隐私计算联合建模技术与应用研究 发布机构：北京金融科技产业联盟 发布时间：2023年11月 行业标签：泛金融 产品标签：#联邦学习 #多方安全计算 #同态加密 #可信执行环境 #隐私集合求交 第二章：报告背景和目标 本报告系统梳理了隐私计算技术在金融业联合建模领域的发展历程、技术体系和应用实践。 报告旨在为金融机构应用隐私计算技术提供技术参考和落地指南。 技术路径：隐私计算通过联邦学习（训练中间参数不出域）、多方安全计算（密文交互计算）实现"数据可用不可见"。案例显示纵向联邦学习可使风控模型AUC提升约10%。 在信贷风控场景完成落地验证 数据来源：北京金融科技产业联盟《金融业隐私计算联合建模技术与应用研究》2023年11月版，技术指标基于报告案例实测数据
15310编辑于 2026-05-30- 来自专栏喔家ArchiSelf
隐私计算中的联邦学习
例如，密集计算可能只在设备空闲、网络空闲上时执行。 这些工作流程为构建可伸缩的基础设施和 API 是一个重大挑战。 3. 联邦计算中的隐私保护 联邦学习提供了各种开箱即用的隐私优势。 虽然任意函数的多方安全计算在大多数情况下仍然是计算上的障碍，但是已经开发了联邦环境中向量求和的专门聚合算法，即使对观察服务器并控制大部分客户端的对手也可以保护隐私，同时保持对客户端退出计算的鲁棒性: 通信效率 在分布式差分隐私下，客户端首先计算特定于应用程序的最小数据，用随机噪声轻微干扰这些数据，并执行隐私聚合协议。然后，服务器只能访问隐私聚合协议的输出。 因为差分隐私假设了一个“最坏情况的对手”，具有无限的计算和访问任意侧的信息。这些假设在实践中往往是不切实际的。因此，使用限制每个用户影响的差分隐私算法进行训练具有实质性的优势。 联邦分析任务通常是稀疏的，这使得有效的隐私稀疏聚合成为一个特别重要的主题。 值得注意的是，尽管限制客户参与和稀疏聚合与联邦分析特别相关，但它们也可以应用于联邦学习问题。 5.
1.8K30编辑于 2022-12-03 - 来自专栏陶陶技术笔记
隐私计算FATE-模型训练
本文的内容为基于 《隐私计算FATE-概念与单机部署指南》中部署的环境。 "experiment", "partition": 10, "schema": { "header": "y,x0,x1,x2,x3,x4,x5,
1.1K31编辑于 2022-11-11 隐私数据计算技术解析
隐私数据计算当今最具创新性的数据驱动产品和解决方案往往需要处理隐私数据。如何在使用敏感数据的同时保护数据主体、所有者或用户的隐私信息不被泄露，成为一个关键问题。 两种隐私保护技术安全多方计算(MPC)MPC允许多方在不公开各自私有数据的情况下，共同计算一个涉及所有数据的功能。 技术对比特性 MPC DP 隐私保证 仅泄露计算结果 相对轻量 技术局限MPC的挑战：通用协议通信复杂度高函数设计需谨慎避免边缘情况泄露可能被辅助信息反向推导DP的限制：必须添加噪声对异常值敏感的函数难以兼顾隐私与精度主要适用于数值型统计计算融合应用在某些场景下可结合两种技术优势 ：使用MPC计算差分隐私近似函数，既能获得MPC的输入保护，又能享有DP的抗辅助信息攻击特性。
45200编辑于 2025-08-18- 来自专栏喔家ArchiSelf
隐私计算之全同态加密
【引】走近任何一个领域，都会发现自己的渺小和微不足道，会越发地敬畏技术和未知，隐私计算也不例外。 id=3561800）可以对全同态加密有一个概貌，从而了解其脉络方向，进而对隐私计算增加一点点认知。 隐私计算中的完同态加密为加密数据提供量子安全级的计算，保证明文数据及其衍生计算结果永远不会公开，并且在基础设施受到破坏的情况下保持安全，不会被修改和/或破坏。 5. 全同态加密的发展 最初，基于Lattice的 全同态加密方案支持密文的加法和乘法，允许逻辑电路执行无限制的计算，非常慢。 与数据库、云计算、 PKI 和人工智能的影响相似，全同态加密将引发机密/隐私信息保护、处理和共享方式的巨大变化，并将从根本上改变基础计算的进程。
2.2K40编辑于 2022-12-03 - 来自专栏陶陶技术笔记
隐私计算FATE-离线预测
基于上文 《隐私计算FATE-模型训练》 中训练出来的模型进行预测任务 关于 Fate 的安装部署可参考文章 《隐私计算FATE-核心概念与单机部署指南》 二、查询模型信息 执行以下命令，进入 Fate
1K30编辑于 2022-11-11 - 来自专栏机器之心
为数据而生，为隐私而战：隐私计算产业加速崛起
、隐私计算等产品研发。 隐私计算技术发展情况 隐私计算是隐私保护计算（Privacy-preserving Computation）的简称，它能够在保证数据提供方不泄露原始数据的前提下，对数据进行分析、处理和使用，是一个广义的概念 根据 Gartner《2022 隐私技术成熟度曲线》报告，预计未来 5-10 年隐私计算技术会被大规模商业化应用，到 2025 年 60% 以上的大型组织将在数据分析、商业智能或云计算中使用一种或多种隐私计算技术 ，已发表近 10 篇隐私计算研究论文，提交了 60 多件隐私计算技术发明专利申请，有多个商用隐私计算和联邦学习的平台产品目前已经通过腾讯云对外开放。 百度智能云还与区块链平台融合，通过将区块链技术纳入云计算与隐私计算的过程，推动隐私计算在各种场景中落地。
1K50编辑于 2023-05-16 - 来自专栏绿盟科技研究通讯
隐私计算在医疗行业的应用
二．医疗行业信息化现状及展望 随着信息化时代的深入，机器学习和深度学习等技术在医疗行业的使用频率逐渐增加，医疗诊断、治疗、康复和监测等环节也逐渐趋向信息化和智能化[5]。 随着信息化时代的深入和5G技术的完善，智慧医疗在智能诊疗、远程手术、智能电子病历、智慧机器人、移动医护等领域已有了多个典型的应用[10]。 2022年9月21日，绿盟科技与海光公司联合对外发布了隐私计算新产品：“数安湖”隐私计算平台[21]。 “数安湖”隐私计算平台目前覆盖了联邦学习、安全多方计算和可信执行环境三种隐私计算的核心能力，具有数据可用不可见、核心数据“拿不走”、恶意行为“跑不掉”等产品特点。 然而从现实情况调研来看，目前隐私计算在医疗行业的实际应用可谓凤毛麟角，一方面是由于隐私计算属于一个新兴的技术，仅有极少数企业推出了基于隐私计算医疗行业成熟的解决方案；另一方面也是由于实际应用方并不清楚隐私计算能给他们带来的实际价值
2.2K10编辑于 2023-02-22 - 来自专栏HarmonyOS知识集合
【HarmonyOS 5】鸿蒙应用隐私保护详解
【HarmonyOS 5】鸿蒙应用隐私保护详解一、前言在今天这个手机不离手的时代，我们每天用手机支付、聊天、记录生活，不知不觉中，大量个人信息都存储在了移动设备里。 隐私泄露不仅会侵犯个人权利，还可能带来财产损失。更重要的是，保护隐私是法律的硬性要求，也是企业对用户的责任。HarmonyOS深知这一点，从系统底层到应用开发，每一个环节都把隐私保护放在首位。 二、HarmonyOS隐私保护的六大黄金原则HarmonyOS为应用开发者制定了一套严格的隐私保护规则，这些规则就像“安全指南”，保障每一款应用都能成为用户隐私的“守护者”：透明公开：应用要像“透明人” 三、开发者的“隐私保护工具箱”为了落实这些原则，HarmonyOS给开发者准备了一系列实用的“安全工具”：1.隐私声明弹窗：让用户心里有底当你打开一款应用，突然弹出隐私声明弹窗，别嫌它“啰嗦”。 代码示例：以申请相机权限为例，在module.json5配置文件中声明权限：{ "module": { // ...
1.1K10编辑于 2025-05-06 - 来自专栏爱分析洞见文章
2022爱分析· 隐私计算厂商全景报告
锘崴科技的隐私保护计算平台在处理复杂的金融业务场景过程中具备性能与精度的优势。 同盾科技服务客户数量已经超万家，客户类型涵盖22个行业，118个细分领域，一方面，能为客户触达多元化的数据源，支持精准营销、智能风控、反电信欺诈、反洗钱等金融业务场景；另一方面，能够为隐私计算技术落地提供广泛的应用场景 政务部门对隐私计算解决方案的核心需求包括：能用隐私计算技术打通多方数据，且隐私计算的使用门槛要低。 隐私计算平台具备通用的隐私计算技术服务能力，能够支撑企业用户构建各类隐私计算应用解决方案。 入选标准：1.符合隐私计算平台的厂商能力要求；2.近一年在该市场服务客户数5家以上；3.近一年该市场相关服务收入规模在500万元以上4、入选厂商列表
1.5K50编辑于 2022-06-15 - 来自专栏机器之心
赠书：系统揭秘隐私计算、保护数据安全，港科大陈凯、杨强新书《隐私计算》全新上市
这本书是为计算机科学、隐私保护、大数据和人工智能相关专业的学生，以及对隐私计算感兴趣的从业者、从事隐私计算研究的研究人员、法律法规制定者和政府监管者编写的。 《隐私计算》系统讲解了隐私计算的基础技术和实践案例，并具有以下 5 大特色。 一是内容系统完整全面。 本书呈现相对完整的隐私计算知识体系，系统阐述隐私计算关键技术，包括 4 大发展阶段，5 大应用平台，9 大落地实践案例。 二是理论应用价值兼备。 第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例，隐私计算平台主要包括面向联邦学习的 FATE 平台和加密数据库的 CryptDB 系统等五个平台，以及隐私计算平台的效率问题和常见的加速策略；实践案例部分主要介绍包括金融营销与风控 此外，《隐私计算》还展望了隐私计算未来的研究和落地方向。在附录中介绍了当前新的中国数据保护法律概况。
1K40编辑于 2022-03-14 - 来自专栏喔家ArchiSelf
隐私计算与区块链的融合思考
那么，区块链技术是否能够与隐私计算融合呢？ 1. 回顾隐私计算 隐私计算技术可以归纳为三类: 数据加密与再处理、数据不动而模型动、 通过可信环境进行大数据分析与管理，即联邦机器学习、可信执行环境和多方安全计算三大核心技术。 基于区块链的隐私计算 区块链作为一种能够提供分布式信任机制的关键技术，其与隐私计算技术进行融合可以整合双方的优势，互通有无。 硬币是有两面的，将区块链应用在隐私计算中，但仍存在一些问题。在区块链与多方安全计算应用中，加解密的过程会损耗大量计算和通信资源。 小结 隐私计算为打破数据孤岛、发掘数据价值、加强数据安全等方面提供了解决办法，但也产生了新的隐私安全问题。区块链因具有去中心化、可溯源、不可篡改等特点，为隐私计算提供了新的解决思路。
2.2K20编辑于 2022-12-03 - 来自专栏机器之心
隐私计算的硬件方案：「可信执行环境TEE」兼顾数据安全、隐私保护
作为基于密码学的隐私保护技术的一种替代方案，可信执行环境（Trusted execution environment，TEE）基于硬件安全的 CPU 实现了基于内存隔离的安全计算，可在保证计算效率的前提下完成隐私保护的计算 TEE 与 REE 关系图示 TEE 强大的数据安全和隐私保护能力，使其成为隐私计算主要技术流派之一，比 REE 得到了更广泛的应用。 二、TEE 与其他隐私计算技术 TEE 与安全多方计算、同态加密对比 安全多方计算（MPC）、同态加密是和 TEE 一样各有所长的隐私计算技术。 因此通用型 MPC 协议很难在大规模计算环境下广泛应用，更多是针对特定问题的 MPC 协议，如隐私信息检索（PIR）、隐私集合求交（PSI）等，而同态加密技术则大多仅应用于某些计算协议中关键步骤的计算。 图片来源文献 5 三、TEE 框架和应用 随着 TEE 技术和标准的日趋成熟，基于 TEE 的开发框架和应用也不断涌现。 如下表所示，目前很多公司都开发了其相应的 TEE 系统。
5K20编辑于 2022-03-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号