会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

一文带你了解多方安全计算

在大数据时代，数据已经成为企业之间竞争的核心竞争力。而数据作为一种新资源，只有流动起来才能发挥其真正的价值。但在流动的过程中，数据的使用权与所有权之间存在着一个重要的矛盾：服务者必须在得到消费者的数据后才能提供服务，而消费者却不希望公开他们的私密数据。

  • 2022-01-15
  • 阅读106
  • 下载0
  • 15页
  • docx

隐私保护分析和安全多方计算

对所存储数据进行加密不足以避免数据泄露。对存储数据加密创建了一个“加密边界”，在该边界之外的数据可以明文访问。由于处理通常需要纯文本数据，因此该边界通常存在于可能发生泄漏的地方。对存储数据加密也不支持必须与其他企业共享数据的场景。由于数据是有用的，它们通常必须在应用程序中以明文形式访问，这大大降低了加密的保护能力。典型的数据掩蔽技术的一个缺点是，它们不广泛地支持对交易或行为数据的保护。对存储数据加密和数据掩蔽技术的这些局限性促使人们越来越关注于寻找新的数据保护技术——特别是将高级技术应用在传统数据加密和数据掩蔽技术无法对数据进行保护的情况下。

  • 2022-01-15
  • 阅读112
  • 下载0
  • 15页
  • docx

网络安全态势感知之入侵检测与安全分析

对态势的理解是人们组合、分析、解读和保留信息的过程。在态势提取的基础上，我们可以采取一系列方法和技术来对安全态势进行进一步的理解和处理，这其中包括安全检测和分析、态势指标构建和态势评估等。本文对网络安全检测和分析的相关技术进行介绍和说明。

  • 2022-01-15
  • 阅读104
  • 下载0
  • 22页
  • docx

浅聊openGauss逻辑架构

openGauss数据库源于PostgreSQL-XC项目，内核源于Postgres 9.2.4，总代码量约120W行，其中内核代码约95W行。华为结合企业级场景需求，深度融合其在数据库领域多年的经验，新增或修改了内核代码约70W行，内核代码修改比例约占总内核代码量的74%。保留了原先PostgreSQL的接口和公共函数代码（约25W行），仅对这些代码做了适当优化，这样也使得openGauss与现有的PG生态兼容性较好。

  • 2022-01-15
  • 阅读156
  • 下载0
  • 18页
  • docx

推荐算法设计综述

推荐系统能够根据用户的兴趣推荐可能喜欢的条目，目前已经成为互联网中最常见的应用之一[1]，被广泛应用于电商（亚马逊、淘宝、京东）、新闻媒体（今日头条）、内容提供商（豆瓣、微博、优酷）等各个领域。据统计，亚马逊约有30%的销售额、Netflix中约有60%的观看时长、谷歌新闻中约38%的新闻点击都来源于各自的推荐系统，由此可见推荐系统对于互联网来说是至关重要的应用之一。

  • 2022-01-15
  • 阅读101
  • 下载0
  • 24页
  • docx

人工智能算法在智能风控领域中的应用

在金融科技的浪潮下，金融机构纷纷启动了智能风控体系的建设，但是金融机构的关注点多在于业务规模、科技系统等硬实力的建设，而忽略了算法能力、智能风控文化等软实力的建设。 本文聚焦智能风控的“算法能力”的建设，用通俗的语言“漫话算法”，首先讲解算法的逻辑、笔者对算法的理解、算法在智能风控领域的应用经验，而后讲解如何在实战中通过场景因素、数据因素、算力因素来选择合适的算法。

  • 2022-01-15
  • 阅读134
  • 下载0
  • 37页
  • docx

区块链技术在数字货币中的应用态势分析

本文利用文献计量学，对区块链技术在数字货币的应用进行发展态势研究，旨在掌握数字货币的现状和主要发展方向。结果表明，数字货币研究处于快速发展阶段并且区域特征明显；数字货币的安全和隐私、区块链技术共识算法、区块链在开采过程中的能源消耗、基于以太网智能合约的交易安全、数字货币的金融监管、机器学习在数字货币中的应用是区块链技术在数字货币应用中的六个主要研究内容。未来区块链技术在加密技术的研究、智能合约的安全开发、共识机制、可扩展性、金融监管等方面面临严峻挑战。通过本文研究及展望，希望对未来区块链技术在数字经济中的发展和政策制定提供指导建议。

  • 2022-01-15
  • 阅读100
  • 下载0
  • 16页
  • docx

关于联邦学习建模过程中算法交互内容的研究

“联邦学习”（FederatedLearning）正是在这个背景下提出和发展起来的，它主要从技术维度出发，重点研究其中的隐私保护和数据安全问题。联邦学习曾多次以不同的形式出现过，例如，面向隐私保护的机器学习、面向隐私保护的深度学习、协作式机器学习、协作式深度学习、分布式机器学习、分布式深度学习、联邦优化和面向隐私保护的数据分析。联邦学习最初的定义是一种借助多方客户端的私有数据集来训练全局共享模型的分布式机器学习算法框架。从广义上来说，联邦学习指数据所有者不需要上传私有数据集即可结合多方数据来训练全局共享模型的方法，得到的模型的效果和直接整合数据到数据中心或一台机器上进行训练得到的模型的效果相近，同时也保护了数据的安全，避免泄露数据隐私。

  • 2022-01-15
  • 阅读117
  • 下载0
  • 50页
  • docx