隐私计算关键技术与创新

• 作者: 符芳诚 侯忱 程勇 陶阳宇
• 来源期刊: 信息通信技术与政策
• 关键词: 隐私计算 联邦学习 联合数据分析 Angel PowerFL
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 专题:隐私计算
• 页码范围: 27-37
• 页数: 11页
• 分类号: TP181
• 语种: 中文
• DOI: 10.12267/j.issn.2096-5931.2021.06.004

摘要

数据已经成为数字经济中重要的生产要素和战略资源.在实际应用中,数据分散在各个机构,由于隐私保护等原因,这些数据很难整合到一起,形成数据孤岛,从而阻碍大数据与人工智能产业的发展.隐私计算可以破解数据孤岛难题,在保障用户隐私的同时赋能多方数据协同应用,助力释放数据融合价值.对隐私计算的关键技术与创新成果,包括隐私集合求交技术、斜向联邦学习、异步并行计算、消息压缩机制、单向通信连接方案、可信执行环境、联合数据分析等进行了研究和分析,并对这些技术与创新在Angel PowerFL通用隐私计算平台中的应用进行了介绍.