随着云计算、人工智能、5G移动通信、工业物联网、智慧城市等领域的发展推动了大数据的应用普及,促进了数字经济的发展格局。但在大数据产业迅猛发展的背后,数据隐私安全相关问题也在逐渐暴露,传统“复制式”的数据流通方式让商业隐私信息、个人隐私信息等产生了泄漏,无法满足法律合规要求。因此若想让数据要素实现良好的市场化配置,行业首先需要完善数据可信流通能力的建设。隐私计算技术的出现为数据安全流通提供了解决方案。
什么是隐私计算
隐私计算(Privacy Computation),指在保护数据本身不对外泄露的前提下,实现数据共享、分析、计算、建模的技术集合,达到“原始数据不出域,数据可用不可见,可控可计量,数据不动模型动”等目的。
(资料图)
吉大正元“元安全”隐私计算平台
吉大正元(003029)“元安全”隐私计算平台采用多方安全计算、联邦学习、隐匿查询、隐私求交等技术,平衡数据隐私保护和数据开放共享,有效解决用户隐私泄露、数据资产流失、敏感底层数据无法开放等棘手问题,在数据资源有效流动的同时保障政府、企业和个人的信息安全。
吉大正元“元安全”隐私计算平台已于2023年5月4日通过信通院多方安全计算基础能力专项测试(行业内国家最高级别安全认证资质)。
吉大正元“元安全”隐私计算平台使用多方安全计算框架对底层协议及密码技术进行封装,并结合联邦学习框架与AI算法,打造高效、安全的系统架构,可支持本地和云环境下的安全隐私计算。平台支持与第三方应用系统互动获取数据资产、封装训练模型和共享计算结果,可为上层业务提供多方安全计算、联邦学习、隐匿查询、隐私求交等算法服务,可满足多行业的数据服务场景和业务需求。
这套平台可以应用于金融行业的联合风控评估、医疗行业的智能推荐以及交通能源行业的安全预警等场景。未来,我们将继续拓展更多行业场景,通过全新技术为各行业提供全面的数据安全能力提升。
01
基于多方安全计算的金融行业联合风控评估
基于MPC的联合风控是多个金融机构之间通过MPC协议来交换风控数据,共同完成风控数据分析、风控模型训练和风险决策的任务,实现风控模型的精细化和个性化部署,保护风控数据的安全性,降低因金融机构间安全信息不相通、风控能力参差不齐等造成的欺诈风险。
02
基于联邦学习的医疗行业智能推荐场景
在数据不出库的前提下,通过隐私计算技术实现了运营商和医疗数据的虚拟打通。在保证数据隐私安全的前提下实现跨域建模的能力,打造专家咨询、极速问诊、医疗场景推荐等联邦模型,实现精准营销,解决所有用户推荐同样内容的问题,针对每个用户的推荐内容均可做到“千人千面”,帮助提升点击率及转化率。
03
基于隐私计算和区块链联合打造安全可信行业联盟
隐私计算“数据可用不可见”与区块链“流程可信可溯源”二者形成强势互补,融合两种技术的优势,可同时解决计算过程中的隐私与信任问题,共同构建数据要素的可信流通。二者的结合,必将加速数据价值的释放,赋能实体经济,夯实数字经济新生态的根基,推动数字化转型赋能高质量发展。
标签: