免费观看av在线网站网址_亚洲一级夜夜爽|_人成在线视频国产_亚洲αv在线精品糸列_在线看av一区二区三区

  • 歡迎光臨燃氣表信息網(wǎng)!
 

潮科技 | 隱私計算應(yīng)用場景詳解

字體: 放大字體  縮小字體 發(fā)布日期:2020-07-10  來源:富數(shù)科技  瀏覽次數(shù):7510

潮科技 | 隱私計算應(yīng)用場景詳解

 
需求方包括政務(wù)、醫(yī)療、金融、廣告、供應(yīng)鏈等行業(yè)。

隱私計算(Privacy Computing),指在保護數(shù)據(jù)本身不對外泄露的前提下實現(xiàn)數(shù)據(jù)分析計算的一類信息技術(shù),主要分為可信硬件和密碼學兩大技術(shù)領(lǐng)域。隱私計算是目前實現(xiàn)數(shù)據(jù)安全和數(shù)據(jù)合規(guī)分享的技術(shù)路徑,本文將從技術(shù)概念介紹和應(yīng)用場景出發(fā)進行介紹。

實現(xiàn)隱私計算的相關(guān)技術(shù)

當前實現(xiàn)隱私計算的技術(shù)主要可分為可信計算和密碼學兩大方向。

可信硬件

可信硬件指可信執(zhí)行環(huán)境,核心思想是構(gòu)建一個安全的硬件區(qū)域,各方數(shù)據(jù)統(tǒng)一匯聚到該區(qū)域內(nèi)進行計算。比較有代表性的是Intel-SGX、ARM-TrustZone、Ucloud-安全屋等。特點是速度快、語言更友好、算法更通用。

密碼學

密碼學指用算法實現(xiàn)對計算過程中的數(shù)據(jù)保護,以多方安全計算、聯(lián)邦學習等為代表。

  • 多方安全計算

即MPC,針對無可信第三方情況下,安全地進行多方協(xié)同的計算。在一個分布式網(wǎng)絡(luò)中,多個參與實體各自持有秘密輸入,各方希望共同完成對某函數(shù)的計算,要求每個參與實體除計算結(jié)果外,均不能得到其他參與實體的任何輸入信息。多方安全計算包含的基礎(chǔ)技術(shù)有很多,比如同態(tài)加密、秘密分享、不經(jīng)意傳輸、混淆電路等。

多方安全計算更多地是解決初級的算子,比如加、減、乘、求交等運算。比較有代表性的企業(yè)和平臺是華控清交(Privpy)、螞蟻金服(Morse)、富數(shù)科技(Avatar)、百度(點石)等。

  •  聯(lián)邦學習

即Federated Learning,基于多方數(shù)據(jù)進行聯(lián)合建模,各自原始數(shù)據(jù)不對外輸出,由中心方進行協(xié)調(diào)的建模,都可成為聯(lián)邦學習。

聯(lián)邦學習更多地是解決聯(lián)合建模的業(yè)務(wù)問題,比如信貸風控中的常用的邏輯回歸建模評分、精準營銷中的常用的XGBOOST分類等建模。比較有代表性的企業(yè)和平臺是微眾銀行(Fate)、螞蟻金服(Morse)、富數(shù)科技(Avatar)、平安科技(蜂巢)、數(shù)牘科技等。(注:以上部分參考中國信通院對隱私計算的相關(guān)定義)

隱私計算的客戶與場景

由于多行業(yè)均存在數(shù)據(jù)合規(guī)流通的需求,隱私計算的落地場景也分散于各行各業(yè)。以下列出了政務(wù)、醫(yī)療、金融、廣告、供應(yīng)鏈等行業(yè)對隱私計算的具體需求,希望介紹隱私計算的落地方向。        

隱私計算"客戶"拓撲圖

政務(wù)大數(shù)據(jù)

當數(shù)據(jù)成為生產(chǎn)要素之一,將政務(wù)大數(shù)據(jù)賦能于新基建下的各行各業(yè)也成為一個重要課題。因此,政務(wù)大數(shù)據(jù)機構(gòu)是隱私計算的重要客戶之一,具體包括司法數(shù)據(jù)、社保數(shù)據(jù)、公積金數(shù)據(jù)、稅務(wù)數(shù)據(jù)、水電燃氣數(shù)據(jù)、交通數(shù)據(jù)、違章數(shù)據(jù)等。

政務(wù)大數(shù)據(jù)

政務(wù)大數(shù)據(jù)的隱私計算應(yīng)用場景

舉例來說,智慧城市就是一個復(fù)雜、錯綜、協(xié)助、共創(chuàng)的業(yè)務(wù)生態(tài),包括信用、安保、能源、交通、規(guī)劃、環(huán)保、文旅等各個行業(yè),業(yè)務(wù)數(shù)據(jù)涉及到跨部門協(xié)同。智慧城市中打通以人為中心的數(shù)據(jù)也是“城市數(shù)據(jù)中臺”的概念,這需要通過對城市居民的多維度信用評級,授予或者限制更多的權(quán)限。要做到對個人聯(lián)合風控,其中需要橫向打通的數(shù)據(jù)包括交通出行數(shù)據(jù)、水電燃氣數(shù)據(jù)、公安數(shù)據(jù)、征信數(shù)據(jù)等。

醫(yī)療科研

在醫(yī)療機構(gòu)中,病例數(shù)據(jù)作為最需要保護隱私安全的數(shù)據(jù),對醫(yī)療科研與病情推斷具有重要的價值。然而單個醫(yī)療機構(gòu)的數(shù)據(jù)樣本不足以支撐大規(guī)模的模型訓(xùn)練,傳統(tǒng)的做法是將病例數(shù)據(jù)匯總、統(tǒng)計、銷毀,這種操作是極其不安全的。

而在隱私計算領(lǐng)域,采用多方安全計算的方式,可以保證各家醫(yī)療機構(gòu)數(shù)據(jù)不出庫,加密計算,最終得到統(tǒng)計結(jié)果。

醫(yī)療科研

銀行金融業(yè)務(wù)

銀行作為傳統(tǒng)金融機構(gòu)的代表,在科技賦能的進化中,必然涉及到與外部數(shù)據(jù)的聯(lián)合建模。銀行也是隱私計算最可能率先完全落地的領(lǐng)域。

首先,銀行找到存量用戶需補全畫像標簽,才能服務(wù)于流失召回、交叉營銷場景,這非常依賴于銀行外部的數(shù)據(jù)。而隱私計算中的匿蹤查詢可以保證銀行在查詢外部數(shù)據(jù)的時候,避免用戶信息被緩存。并且,小微企業(yè)貸等對個人或者企業(yè)進行信貸評估的場景,也需要依賴外部數(shù)據(jù)源做聯(lián)合建模評估。      

銀行金融業(yè)務(wù)

保險營銷與定價

保險公司從線下發(fā)展到線上獲客,對精準獲取潛客需求極大,這里的精準度直接影響觸達的成本。另外,“定價失靈”是當前財產(chǎn)險行業(yè)經(jīng)營面臨的一個突出問題,主要表現(xiàn)為保費不足和未決賠款準備金不利發(fā)展。之所以會有“定價失靈”的現(xiàn)象,既有數(shù)據(jù)、模型和精算技術(shù)等方面的“前定價管理”原因,也有風險識別、核保、承保、銷售、理賠、費用管控和準備金評估等方面的“后定價管理”原因。隱私計算可以為保險聯(lián)合定價提供多維度的數(shù)據(jù)支撐。

基金管理

在母基金的管理中,我們需要計算每個基金的真實收益情況。而基金的持倉信息是一個非常重要的私密信息,它代表了基金的價值判斷和策略導(dǎo)向,也是基金公司的核心機密。這里的矛盾在于,一方面母基金出于管理需要信息共享,另一方面是基金本身卻需要保護這些商業(yè)信息,傳統(tǒng)方法必然導(dǎo)致一方的訴求無法得到滿足。使用多方安全計算,不僅能夠同時滿足雙發(fā)的利益訴求,甚至可以讓基金信息得到有效的政府監(jiān)管、防止出現(xiàn)市場結(jié)構(gòu)性風險,同時保證商業(yè)信息不被泄露。

大數(shù)據(jù)增值服務(wù)

像運營商、SDK廠商、支付廠商等機構(gòu),在開展業(yè)務(wù)的同時會積累大量的用戶數(shù)據(jù)。它們通常會成立一個大數(shù)據(jù)子公司來做數(shù)據(jù)增值業(yè)務(wù)。傳統(tǒng)的API直接調(diào)用和線下聯(lián)合建模的方式已經(jīng)不滿足數(shù)據(jù)安全的相關(guān)要求。隱私計算技術(shù)也可服務(wù)于數(shù)據(jù)公司的對外服務(wù)平臺,成為數(shù)據(jù)合規(guī)合法輸出價值的一種解決方案。

廣告平臺聯(lián)合營銷

媒體平臺對廣告主進行營銷投放過程中,需要用甲方的用戶數(shù)據(jù)樣本進行聯(lián)合建模,傳統(tǒng)的標簽畫像篩選更多地是憑領(lǐng)域經(jīng)驗,通過機器學習建??梢蕴岣郀I銷的ROI。聯(lián)邦學習可以滿足在廣告主的數(shù)據(jù)不出庫的前提下,得到營銷投放模型。       

廣告平臺聯(lián)合營銷

供應(yīng)鏈金融

對供應(yīng)鏈上下游企業(yè)而言,如何構(gòu)建一個信息對稱共享、核心企業(yè)信用價值可傳遞、商票可拆分流程是一個挑戰(zhàn)。廠商可以基于區(qū)塊鏈和密碼學算法,提供金融資產(chǎn)數(shù)字化驗證的方案,使企業(yè)能夠?qū)⑵髽I(yè)應(yīng)收賬款進行數(shù)字化資產(chǎn)登記,形成不可篡改的數(shù)據(jù)記錄,并實現(xiàn)實時信息共享。

同時通過參與方分布式賬本,參與方可以得到資產(chǎn)確認,將企業(yè)信用轉(zhuǎn)化成數(shù)字資產(chǎn)。此外,審計入口也能方便監(jiān)管機構(gòu)審計和查看平臺的資產(chǎn)交易情況。最重要的是,在傳統(tǒng)區(qū)塊鏈只能保證數(shù)據(jù)的不可修改性,通過多方安全計算和零知識證明等加密技術(shù),可幫助區(qū)塊鏈實現(xiàn)智能合約的公開審計確認能力與實際數(shù)據(jù)保密性的分離,讓企業(yè)不再擔心核心商業(yè)信息的泄露。

高??蒲?/p>

高校的許多研究課題會脫離企業(yè)的真實數(shù)據(jù)實驗環(huán)境,而聯(lián)邦學習既能讓高校科研使用企業(yè)真實數(shù)據(jù)進行課題研究,又可以保護企業(yè)業(yè)務(wù)數(shù)據(jù)不對外輸出。這對企業(yè)和高校聯(lián)合培養(yǎng)人才、挖掘科研價值具備促進作用。

量化投資模型

除了leval2等傳統(tǒng)的交易所數(shù)據(jù),量化投資領(lǐng)域更大的價值是通過互聯(lián)網(wǎng)大數(shù)據(jù)的挖掘得到異類指標,這些指標通常被訓(xùn)練成投資決策模型。傳統(tǒng)的私募基金通常將數(shù)據(jù)采購到本地,或者在數(shù)據(jù)服務(wù)端進行模型訓(xùn)練,這種方式的弊端是會造成投資模型的數(shù)據(jù)源側(cè)安全性問題。

聯(lián)邦學習可以將多方有價值的數(shù)據(jù)進行聯(lián)合建模,訓(xùn)練出綜合的決策模型,而模型實施部署采用分布式加密的方式,任何一側(cè)的合作數(shù)據(jù)源都無法獲得完整的原始數(shù)據(jù)。

總結(jié)

用戶隱私安全是社會生產(chǎn)力發(fā)展到一定階段的必然產(chǎn)物。當前很難回答隱私計算的具體市場規(guī)模,但在理想狀況中,隱私計算的應(yīng)用場景存在于幾乎所有需要多方使用數(shù)據(jù)的地方,以上提到的企業(yè)和機構(gòu)都需要數(shù)據(jù)合規(guī)分享的技術(shù)來協(xié)助業(yè)務(wù)開展。

 
免責聲明:
本站所提供的文章資訊、圖片、音頻、視頻來源于互聯(lián)網(wǎng)及公開渠道,僅供學習參考,版權(quán)歸原創(chuàng)者所有! 如有侵犯您的版權(quán),請通知我們,我們會遵循相關(guān)法律法規(guī)采取措施刪除相關(guān)內(nèi)容。


 
[ 技術(shù)前沿搜索 ]  [ 加入收藏 ]  [ 告訴好友 ]  [ 打印本文 ]  [ 關(guān)閉窗口 ]

 
 
 
一周資訊排行
圖文推薦