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

开关电源的测试

良好的开关电源必须符合所有功能规格、保护特性、安全规范（如 UL、CSA、VDE、DEMKO、SEMKO，长城 等等之耐压、抗燃、漏电流、接地等安全规格）、电磁兼容能力（如 FCC、CE 等之传导与幅射干扰）、可靠性（如 老化寿命测试）、及其他之特定需求等。

  • 2022-01-21
  • 阅读110
  • 下载0
  • 7页
  • pdf

Fiat-to-NFT底层技术：MPC多方计算协议详解

MPC 全称 Multi-Party Computation，即多方计算，是解决某些问题的协议（或者说方案）的总称。这些问题通常涉及多个参与方（party，例如多家公司），每个参与方持有一定的隐私数据（例如公司的财产），希望不公开这些数据，但又可以利用这些数据计算某一函数（例如求最大值：哪个公司财产最多），每个参与方获得相应的计算结果（可能相同，可能不同）。

  • 2022-01-21
  • 阅读105
  • 下载0
  • 7页
  • docx

“隐私计算”四大技术路径解析

数据脱敏（Data Masking）是指使用脱敏规则对数据中某些敏感信息进行数据的变形，从而达到保护敏感隐私数据的目的。 更具体来讲，我们可以采用删除可识别个人的信息的方式，让数据描述的人保持匿名，也可以采用对数据去标识化，让人们无法根据数据识别到具体的个人。

  • 2022-01-20
  • 阅读107
  • 下载0
  • 11页
  • docx

样本ID如何隐私安全求交集？

自2016年联邦学习概念出现以来，由于其可以在“数据隐私安全”前提下进行数据共享应用而被热捧。根据数据集特征的不同，联邦学习可以分为三种：横向联邦学习（各方样本特征交集很多，ID交集极少）、纵向联邦学习（各方样本ID交集很多，特征交集极少）、迁移联邦学习（各方样本特征与ID交集都极少）。对应到实际应用场景中，纵向联邦学习可广泛应用于潜客智能发现、在线广告推送、智能信用评估等，这些场景需要同一样本ID在多个机构的不同特征数据，横向联邦可广泛应用于智能诊疗、智能设备检修、智能交通等，这些场景需要不同样本ID在多个机构的相同特征数据，而迁移联邦学习还有待技术的进一步发展才能应用。

  • 2022-01-21
  • 阅读107
  • 下载0
  • 7页
  • docx

用增强的联邦学习应对药物发现数据小和偏的困境

与Gboard这种跨设备的联邦学习应用不同，药物发现的联邦学习是跨数据孤岛训练的 （跨孤岛联邦学习, cross-silo federated learning） 。这样的学习方式包括一个协调服务器和几个合作者，并配备了联邦学习客户端程序。合作者可以是大型制药公司、生物技术初创公司，甚至是拥有自己的数据的学术实验室。

  • 2022-01-21
  • 阅读110
  • 下载0
  • 10页
  • docx

机器学习在LGD模型构建中的应用——基于两阶段模型的LGD估计

LGD modeling 的重要性长期以来并未引起业界的足够重视，这主要指的是相对于PD即违约概率而言。其中一个原因也许是估计LGD对其建模并非一件易事。

  • 2022-01-20
  • 阅读120
  • 下载1
  • 33页
  • pdf

隐私计算在数据流通过程中的作用

“十四五”期间，国家鼓励数据流通、共享和融合，挖掘和发挥数据的潜在价值，以促进社会数字化转型。然而，数据在流通过程中存在隐私泄露的风险，各机构为了保障数据安全，不敢进行数据分享，形成“数据孤岛”现象，阻碍数据价值的挖掘利用。针对这一“矛盾”问题，隐私计算能够提供解决方案，隐私计算本质上是在保护数据隐私的前提下，解决数据流通的问题，实现数据“价值”和“知识”的流动与共享，真正做到“数据可用不可见”。

  • 2022-01-20
  • 阅读108
  • 下载0
  • 12页
  • docx

隐私计算才是数据价值安全释放的技术最优解

2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据纳入生产要素，定义数据的国家战略地位，并提出加快培育数据要素市场。作为释放数据要素价值的关键环节，数据资源的开放、共享、交换等流通需求日益增加，成为企业数字化转型乃至数字经济发展的重要部分。

  • 2022-01-21
  • 阅读110
  • 下载0
  • 9页
  • docx