更新时间：2022-05-06 17:15:15
封面
版权信息
作者简介
内容简介
推荐序
作者序
第1章 隐私计算概述
1.1 背景：数据流通的困境
数据流通是发展数字经济的关键
数据流通需求强烈但也困境重重
技术手段为数据流通提供新方案
1.2 隐私计算的兴起
什么是隐私计算
隐私计算的体系视图
1.3 隐私计算的发展历程
密码学理论的研究阶段
可信硬件的出现与应用
联邦学习被正式提出
第2章 隐私计算的技术原理
2.1 以多方安全计算为代表的密码学技术
多方安全计算的概念
多方安全计算的起源
多方安全计算的底层技术
多方安全计算的特点
基于多方安全计算的隐私计算平台
其他基于密码学的隐私计算技术
2.2 以联邦学习为代表的融合衍生技术
联邦学习的概念
联邦学习的起源
联邦学习的分类
联邦学习的实现流程
联邦学习的特点
基于联邦学习的隐私计算平台
2.3 以可信执行环境为代表的可信硬件技术
可信执行环境的概念
可信执行环境的起源
可信执行环境的实现方案
可信执行环境的特点
基于可信执行环境的隐私计算平台
2.4 各类隐私计算技术的对比
2.5 隐私计算相关的其他技术
隐私计算vs数据脱敏
隐私计算vs区块链
第3章 隐私计算的算法应用
3.1 联合查询
算法协议实现联合查询
可信硬件实现联合查询
3.2 联合统计
联合统计概念
安全联合统计
3.3 联合建模
传统逻辑回归算法
横向逻辑回归算法
纵向逻辑回归算法
3.4 联合预测
第4章 隐私计算的应用场景
4.1 联合风控
案例一 针对小微企业的信贷风控
案例二 身份信息核验与保护
案例三 共建金融信贷准入评分模型
案例四 隐私计算助力金融机构提升联合风控效率
联合风控场景应用的难点与挑战
4.2 联合营销
案例一 汽车客户群联合建模分析
案例二 车险风险评估多方安全计算
案例三 国产化的金融数据建模应用
联合营销场景应用的难点
4.3 智慧医疗
案例一 新冠病毒基因组演化分析检测疫情发展
案例二 厦门健康医疗大数据应用开放实践
案例三 全基因组关联分析引擎
智慧医疗场景应用的难点与挑战
第5章 隐私计算的产业现状
5.1 透过外部配套环境看隐私计算
政策扶持
学术研究
专利发明
开源生态
联盟组织
标准规范
资本支持
5.2 透过内部市场竞争看隐私计算
国外市场
国内市场
第6章 隐私计算的法律合规问题
6.1 隐私计算有助于提升数据流通和使用的合规性
隐私计算有助于降低参与方授权的风险和成本
隐私计算有助于促进数据流通
隐私计算可增强参与方对数据流通的控制
隐私计算符合最小必要原则的精神
隐私计算可成为匿名化技术方案的重要组成部分
6.2 隐私计算技术合规风险分析
原始数据的合规瑕疵可为数据处理带来“原罪”
数据和模型泄露可能减损技术的安全性
从梯度或参数信息中可能反推出原始数据
参与方可能打破技术信任的完整性
计算过程中可能侵犯商业秘密或知识产权等权利
输出计算结果可能仍包含敏感信息
参与方存在超范围使用数据的风险
可能涉及多国法律管辖及承担境内存储的义务
