多方安全计算破解企业数据互信难题

这篇具有很好参考价值的文章主要介绍了多方安全计算破解企业数据互信难题。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

所谓多方安全计算,最初是为解决一组互不信任的参与方之间在保护隐私信息以及没有可信第三方的前提下协同计算问题而提出的理论框架。

当企业之间进行数据相关的合作时,随之而来就涉及到数据泄露的问题。因此,如何兼顾“数据价值共享”和“隐私保护”,成为当下备受关注的一个热门话题,其重要性不言而喻。

在此背景下,多方安全计算被业内认为是破题之举,可以帮助企业实现“数据不动价值动”。

过去,企业用户信息被倒卖的行为屡禁不止,许多企业一时缺乏有效的解决方案。多方安全计算的出现帮助企业在不接触合作双方用户数据的前提下,解决互信的问题,保障企业的数据权益,从而保护个人数据的安全。

WeLab汇立集团自2018年初开始,便将隐私计算提到战略层面,开启了多方安全计算、边缘计算、联邦学习等多项技术的深入研究,并已获得多个国家级技术专利。

2020年11月24日,中国人民银行发布了《多方安全计算金融应用技术规范》,规定了多方安全计算技术金融应用的基础要求、安全要求、性能要求等,适用于金融机构开展相关产品设计、软件开发和技术应用。

在政策的推动下,WeLab汇立集团加快了相关领域的研发脚步。其自主研发的多方安全计算服务平台实现了“数据可用不可见,计算可信可链接”,具有安全性、灵活性、专业性等优势特点。并且该系统已应用在集团旗下的虚拟银行,帮助银行进行用户黑名单查询,无需明文查询,通过匿踪查询的方式保证合作企业的数据安全。通过多方计算使得参与的各方只能看到密文数据,且无法推导出明文,原始数据仍保留在原始数据方,最大程度地保障安全性。

WeLab汇立集团在技术实现成熟的应用后便开始对外输出,通过旗下“一站式金融科技服务商”——天冕科技将自主研发方案输出给国内大型的非银行支付机构,为其推动行业“数据安全开放、合规共享”提供了技术支撑,助力其实现安全合规的数据对外服务。

多方安全计算破解企业数据互信难题

安全多方计算技术体系架构

目前WeLab汇立集团已经完成了可视化配置方案,即将代码以组件化的方式,配置成可复用的专用方案。无论是自己使用还是对外输出,不仅简单高效地复用,还降低了成本,可谓一举两得。

在网络信息安全、数据隐私保护越来越受重视的发展趋势下,企业意识到各种技术路线都有其适配的场景,比如联邦学习更适合数据挖掘、多方安全计算的安全性更高等。这些技术需要彼此结合使用,才能更好地满足企业的需求。

总体来说,隐私计算行业还有很长的路要走,WeLab汇立集团坚持以技术驱动引领浪潮,通过不断地应用落地,来进一步反哺技术,从而促进行业标准更好地提升。文章来源地址https://www.toymoban.com/news/detail-414995.html

到了这里,关于多方安全计算破解企业数据互信难题的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 隐私计算-多方安全计算

    多方安全计算(MPC:Secure Muti-Party Computation)理论是姚期智先生为解决一组互不信任的参与方之间在保护隐私信息以及没有可信第三方的前提下协同计算问题而提出的理论框架。 多方计算的目标就是对一组计算的参与者,每个参与者拥有自己的数据,并且不信任其它参与者和

    2024年02月16日
    浏览(31)
  • “火山方舟”MaaS平台亮相,首创大模型安全互信计算

    6月28日,在火山引擎主办、英伟达合作举办的“V-Tech体验创新科技峰会”上,火山引擎发布大模型服务平台“火山方舟”,面向企业提供模型精调、评测、推理等全方位的平台服务(MaaS,即Model-as-a-Service)。目前,“火山方舟”集成了百川智能、出门问问、复旦大学MOSS、I

    2024年02月12日
    浏览(30)
  • 联邦学习与安全多方计算

    联邦学习(FL,Federated Learning)是谷歌于2016年提出的一种分布式机器学习框架,可以 在保护个人数据隐私的前提下,联合多方用户的数据实现模型训练 。 联邦学习用于解决“数据孤岛”问题,核心思想是“ 数据不动模型动,数据可用不可见 ”。 传统机器学习中,数据需集

    2023年04月15日
    浏览(34)
  • 安全多方计算简介

    安全多方计算(Secure Multi-Party Computation,SMPC)用于解决一组互不信任的参与方各自持有秘密数据,协同计算一个既定函数的问题。安全多方计算在保证参与方获得正确计算结果的同时,无法获得计算结果之外的任何信息。在整个计算过程中,参与方对其所拥有的数据始终拥有绝

    2024年02月07日
    浏览(36)
  • 第162篇 笔记-安全多方计算

    一、主要概念 安全多方计算 (Secure Multi-Party Computation):指多个参与者在不泄露各自隐私数据情况下,利用隐私数据参与保密计算,共同完成某项计算任务。 该技术能够满足人们利用隐私数据进行保密计算的需求,有效解决数据的“保密性”和“共享性”之间的矛盾。多方

    2024年02月03日
    浏览(35)
  • 隐私计算论文合集「多方安全计算系列」第一期

    当前,隐私计算领域正处于快速发展的阶段,涌现出了许多前沿的 SOTA算法 和备受关注的 顶会论文 。为了方便社区小伙伴学习最新算法、了解隐私计算行业最新进展和应用,隐语开源社区在GitHub创建了Paper推荐项目awesome-PETs(PETs即Privacy-Enhancing Technologies , 隐私增强技术 )

    2024年02月09日
    浏览(41)
  • 华为安全专家带你入门安全多方计算

    6月8日(本周四) 19:00—21:00 ,华为安全专家带你入门安全多方计算,欢迎参加! 考虑以下应用场景: Alice认为她可能患有某种遗传病,Bob有一个包含DNA模式与各类疾病的数据库。Alice可将她的DNA序列交给Bob得到诊断结果。然而,Alice不想泄露自己的DNA序列,也不想Bob及其他人

    2024年02月08日
    浏览(48)
  • 安全多方计算之七:门限密码系统

    门限密码系统由分布式密钥生成算法、加密算法、门限解密算法三部分构成,定义如下: (1)分布式密钥生成 :这是一个由参与者共同生成公钥 y y y 的协议,协议运行结束后,每个参与者将获得一个关于私钥 x x x 的碎片、对应于该碎片的公钥密钥 y i y_i y i ​ ,以及与私钥

    2024年01月19日
    浏览(45)
  • 联邦学习中的安全多方计算

    Secure Multi-party Computation in Federated Learning 安全多方计算就是许多参与方需要共同工作完成一个计算任务或者执行一个数学函数,每个参与方针对这个执行构建自己的数据或份额,但不想泄露自己的数据给其他参与方。 在安全多方计算中的定义包括以下几个方面: 一组有私有输

    2024年02月11日
    浏览(40)
  • 百万富翁问题--安全多方计算

    百万富翁问题—安全多方计算 是由图灵奖获得者姚期智提出的。 有A、B两个富翁,A资产i亿元,B资产j亿元,i、j均在0-10范围内,在互不让对方知道自己资产的情况下,比较A和B的资产谁多谁少。 那么如何去比较呢? 这里放十个箱子: 如果A有i亿元,那么A将第i个箱子之前的

    2024年02月04日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包