本文来源与作者信息:谢承宗(1998-),男,硕士研究生,主要研究方向:网络与信息安全、工业互联网安全。王禹贺(1990-),男,博士,讲师,主要研究方向:人工智能及网络信息安全。李世明(1976-)...
武汉大学 | 为异构联邦学习提供高效且抗掉队者的同态加密技术
原文标题:Efficient and Straggler-Resistant Homomorphic Encryption for Heterogeneous Federated Learnin原文作...
读懂隐私计算多种技术路线
数据安全共享和价值转化既是政策导向,也是大数据和数字经济发展的关键。隐私计算技术,已成为数据流通安全的“最优技术解”。政策法规加速落地,市场关注度快速提升。我国多部与数据安全相关的法律法规落地实施,形...
数据要素流通之安全技术体系
来源:半山里人全文共2504字,建议阅读7分钟《数据安全法》和《个人信息保护法》是数据要素流通的安全红线,它们为数据安全和个人隐私制定了全面的监管框架,为数据收集存储、开发利用、安全保护等方面提供了规...
学术前沿 | 联邦学习拜占庭攻击与防御研究综述
引用孙钰 , 刘霏霏 , 李大伟 , 刘建伟. 联邦学习拜占庭攻击与防御研究综述[J]. 网络空间安全科学学报, 2023, 1(...
学习时报 | 什么是隐私计算如何应用与规制
隐私计算是在保障数据安全前提下,实现数据价值合规有序释放的技术体系。主要包括,基于协议规则的安全多方计算、基于现代密码学的联邦学习、基于硬件闭环的可信执行环境、基于信息论和概率论的差分隐私以及构建于格...
什么是隐私计算,如何应用与规制?
隐私计算是在保障数据安全前提下,实现数据价值合规有序释放的技术体系。主要包括,基于协议规则的安全多方计算、基于现代密码学的联邦学习、基于硬件闭环的可信执行环境、基于信息论和概率论的差分隐私以及构建于格...
基于 PSI 的纵向联邦学习数据隐私安全技术
摘要:联邦学习系统较好地解决了“数据孤岛”问题,也在一定程度上保护了私密训练数据,然而目前联邦学习仍然存在一些隐私安全风险。首先根据联邦学习系统的不同运行阶段归纳总结了其中的隐私安全威胁,并给出了一些...
联邦学习中异构性问题研究进展
1 简介联邦学习是一种非中心化的机器学习机制,它在保护各方数据隐私的前提下,通过全局服务器来迭代聚合各方模型参数,提高整体模型的效果。但是,各方参与者存在以下异构性问题:(1)设备异构性:各...
横向联邦学习技术原理浅析
1前言在过去二十年中,数据在互联网时代显示出了惊人的力量,恍如一台核动力发动机将一个个互联网公司推至百亿市值,人们在惊叹之余,认识到数据作为生产要素的重要性,以及数据对个人生活,对社会经济乃至国家安全...
联邦学习安全性测评的思路分析
点击蓝字丨关注我们申请加入数据安全共同体计划,请在本公众号回复“申请表”获取下载链接数字经济高速发展的大背景下,信息技术与经济社会的交汇融合引发了数据量迅猛增长,数据已成为国家基础性战略资源,数据安全...
浅谈数据安全治理与隐私计算
前 言 北京时间2022年7月21日,国家互联网信息办公室依据《网络安全法》《数据安全法》《个人信息保护法》《...