基于中间件与区块链的异构隐私计算平台互通系统研究
随着数字经济的高速发展,数据安全问题日益凸显，如何实现安全合规的数据跨域融合并挖掘数据的最大价值，已成为数字时代的核心痛点之一。围绕多方安全计算与联邦学习的隐私计算技术正受到各技术提供方与数据方广泛的关注。利用诸如秘密分享、不经意传输、混淆电路等前沿密码学算子，隐私计算可以实现数据的可用不可见，进而解决数据跨域分享、融通等问题。目前，隐私计算技术已在金融、通信、医疗、政务等领域开始推广应用。从隐私计算的基本概念出发，浅析隐私计算的核心技术：安全多方计算与联邦学习；随后围绕自研隐私计算平台底座PrivTorrent密流安全计算平台，介绍隐私计算在数据安全行业的应用落地及典型案例；最后针对异构隐私计算平台间互联互通关键问题，给出基于中间件和区块链的跨平台实践解决方案。
- 2022-01-15
- 阅读193
- 下载0
- 24页
- docx
