基于隐私保护计算的医学研究应用

在2000年以后,出于应用上的需求,又开始开辟新的思路,如差分隐私,简单说像原始数据去可控的加入噪声,让个体的隐私得到保护,同时对最终的计算结果影响可控。另外一条路是2013年英特尔提出了基于SGX的可信执行环境技术,在硬件层面提供了一种数据可用不可见的机制,在2016年,Google把分布式机器学习拓展到隐私保护领域,提出了联邦学习的概念,最开始是用大量的手机终端来训练输入法的模型,后来融合联邦学习和密码学,安全性进一步得到一定的提升。

  • 2022-01-21
  • 收藏0
  • 阅读68
  • 下载0
  • 17页
  • docx
  • 4.18M

评价

评分 :
   *