《隐私计算—联邦学习产品性能要求和测试方法》是2024年07月01日实施的一项中国行业标准。编制进程 2024年03月29日,《隐私计算—联邦学习产品性能要求和测试方法》发布。2024年07月01日,《隐私计算—联邦学习产品性能要求和测试方法》实施。起草工作 起草单位:中国信息通信研究院、深圳市腾讯计算机系统有限公司、华控...
《隐私计算—联邦学习产品安全要求和测试方法》是2024年07月01日实施的一项中国行业标准。编制进程 2024年03月29日,《隐私计算—联邦学习产品安全要求和测试方法》发布。2024年07月01日,《隐私计算—联邦学习产品安全要求和测试方法》实施。起草工作 起草单位:中国信息通信研究院、阿里巴巴(中国)有限公司、深圳市腾讯...
扩展到联邦学习,是将当前的模型权重广播给一组随机的客户端,让它们各自计算本地数据上的损失梯度,在服务器上的客户端上平均这些梯度,然后更新全局模型权重。然而, 通常需要更多多次迭代才能产生高精度的模型。粗略的计算表明,在联邦学习环境下,一次迭代可能需要几分钟,这意味着联邦训练可能需要一个月到一年的时间,超出...
高安全隐私计算是用于保护数据隐私不被隐私泄漏的关键技术,尤其是在金融领域,安全成了金融领域的必选项,安全问题是一个体系化的问题,需要有全面的考虑,除了系统安全、应用安全这些常规的安全体系,针对于隐私计算这个技术,还需要关注协议安全、密码安全、数据安全、模型安全四个层面的安全问题。 协议安全,包括联邦学习、秘...
联邦学习正在应用到更多类型的数据和问题领域,甚至已经被认为是隐私计算的重要方式,即面向AI的隐私保护手段,个人精力所限,本文没有涉及联邦学习中个性化、健壮性、公平性和系统实现的挑战。关于联邦学习的实践,TensorFlow Federated 或许是一个不错的起点。
高性能随着算力的提升和算法的不断优化,隐私计算与联邦学习这类产品得以实现商业场景的落地,但是性能仍然有很大的提升空间,运用于金融级的隐私计算,首先需要有高效的计算能力,万次算子计算要求控制在毫秒级,其次需要有对大数据的处理能力,包括亿级求交、亿级建模等大数据隐私计算能力,架构上要求具备足够的可扩展性,引入...
高性能随着算力的提升和算法的不断优化,隐私计算与联邦学习这类产品得以实现商业场景的落地,但是性能仍然有很大的提升空间,运用于金融级的隐私计算,首先需要有高效的计算能力,万次算子计算要求控制在毫秒级,其次需要有对大数据的处理能力,包括亿级求交、亿级建模等大数据隐私计算能力,架构上要求具备足够的可扩展性,引入...
隐私计算其实是一堆“数据可用不可见”技术集合,包括多方安全计算、联邦学习、机密计算、差分隐私及数据脱敏等等,这些技术既有联系又有区别,既有优势也有劣势,如果你不明觉厉或者一知半解,一定要读一读这篇文章。 一、隐私计算 隐私计算是“隐私保护计算”(Privacy-Preserving Computation)的中文简称,没有统一的标准定...
隐私计算、多方安全计算、联邦学习等技术现在很火,但网上查的的资料要么太深看不懂,要么太浅搞不明白,要么太碎形不成体系,今天大鱼就用业务的语言给你彻底讲清楚。 注:关注公众号回复“隐私计算”可以获得最新的《中国隐私计算产业发展报...
从技术机制来看,隐私计算主要分为三大技术路线,即安全多方计算(密码学)、联邦学习及机密计算,有的会把侧重算法也单列一类,比如差分隐私等隐私相关的技术. 可以看到,隐私计算是个技术体系,不能混淆了安全多方计算、联邦学习、隐私计算概念间的关系,比如安全多方计算只是隐私计算的一个子集,联邦学习与安全多方计算也不是...