腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

金融业隐私计算联合建模技术与应用研究

第一章：报告基础信息 •报告标题：金融业隐私计算联合建模技术与应用研究 •发布机构：北京金融科技产业联盟 •发布时间：2023年11月 •行业标签：泛金融,商业银行 •产品标签：#隐私计算平台, #联邦学习 , #多方安全计算, #可信执行环境, #Angel PowerFL, #TEE, #PSI, #MPC 第二章：报告背景和目标本报告聚焦于金融业数据要素流通中的隐私保护需求，旨在解决传统联合建模中数据出域带来的安全风险报告重点分析了基于隐私保护计算的联合建模技术体系，指出当前市场仍处于起步试点阶段，据毕马威研究显示，隐私计算国内技术服务营收有望在三年内触达 100-200亿人民币空间，甚至撬动千亿级数据平台运营收入同时，Gartner 预测到 2025年，60% 的大型组织将在分析、商业智能或云计算中使用一种或多种隐私增强的计算技术。第三章：报告目录一、发展综述 (一)联合建模概念探讨 (二)技术发展历程及驱动力二、国内外实践情况 (一)国外应用情况 (二)国内应用情况三、支撑联合建模应用的隐私计算技术体系 (一)隐私计算技术体系简述

IT资讯研究所

2026-05-30

1550

标签:

《金融业隐私计算联合建模技术与应用研究》报告概览

•报告标题：金融业隐私计算联合建模技术与应用研究 •发布机构：北京金融科技产业联盟 •发布时间：2023 年 11 月 •行业标签：泛金融,商业银行,政务,医疗 •产品标签：#腾讯云隐私安全计算平台, #Angel_PowerFL, #隐私计算, #联邦学习, #多方安全计算第二章：报告背景和目标随着数据要素化进程加速及《数据安全法》等合规监管趋严，打破数据孤岛并实现“数据可用不可见”成为金融业数字化转型的核心焦点第三章：报告目录一、发展综述（一）联合建模概念探讨（二）技术发展历程及驱动力二、国内外实践情况（一）国外应用情况（二）国内应用情况三、支撑联合建模应用的隐私计算技术体系（一）隐私计算技术体系简述然而，传统的数据汇聚模式面临极高的隐私泄露与合规风险；同时，异构隐私计算平台之间存在“技术孤岛”，底层算法与通信协议的不兼容导致金融机构面临高昂的重复部署成本。第六章：为什么选择腾讯云腾讯云作为本报告的权威起草单位之一，凭借其在隐私安全计算领域的深厚技术积淀与持续创新，展现出代表行业前沿的强劲表现： • 卓越的大规模数据并发处理性能腾讯云隐私安全计算平台依托自研的

2026-06-01

1950

标签:

《金融业隐私计算互联互通技术研究报告》结构化概要

第一章：报告基础信息报告标题：金融业隐私计算互联互通技术研究报告发布机构：北京金融科技产业联盟发布时间：2023年5月行业标签：泛金融, 技术服务, 政务产品标签：#隐私计算, #联邦学习, 然而，早期各家厂商的隐私计算平台在技术架构和算法协议上存在巨大差异，导致平台间难以直接互联互通，形成了“技术孤岛”。报告旨在提出行业级隐私计算互联互通探索实践的思路，推动可行的跨平台互联互通框架研究，并展望互联互通产业发展新生态，以期激发数据要素流通和算法市场新活力。第三章：报告目录一、隐私计算互联互通当前发展情况 (一)发展背景及意义 (二)行业驱动力 (三)难点与挑战 (四)金融行业探索实践二、金融业隐私计算互联互通框架设计 (一)框架设计考量因素 (二)总体框架设计其核心在于将隐私计算系统架构解耦为管理面和数据面，并进一步将数据面中的应用算法与安全算子进行分离。

IT前沿资讯站

2026-05-30

1680

标签:

从隐私到隐私计算

对于个人电子产品而言，例如手机，平板电脑，便携式电脑等等，或多或少，都会涉及到隐私计算，那么什么是隐私计算呢？理解隐私计算，先要澄清“隐私”的概念，那么，什么是隐私呢？进而，明确隐私计算分别与隐私和计算之间的关系，即隐私计算是为了实现个人隐私保护而进行的计算还是在实现了隐私保护的前提下进行的计算？最后，才是隐私计算涉及的技术和方法。 1. 什么是隐私？隐私计算一般地，对隐私计算有不同的理解。一种是隐私计算是隐私保护的一部分，为了实现隐私保护而采用的技术。另一种是对隐私保护的数据进行计算，侧重在隐私数据应用的层面。 5.1 隐私计算的发展隐私计算的发展历程如下图所示： 5.2 隐私计算的概念界定 2016年，中国科学院信息工程研究所研究员李凤华等对隐私计算在概念上进行了界定：隐私计算是面向隐私信息全生命周期保护的计算理论和方法 5.3 隐私计算的技术参考架构在2021年，在腾讯隐私计算白皮书中给出了隐私计算的技术架构参考： 5.4 隐私计算的技术路径隐私计算技术和方案的种类较多，为了便于理解和分类，业界通常将上述技术分为三大路径

半吊子全栈工匠

2022-12-03

1.6K0

标签:

隐私计算介绍

什么是隐私计算从20世纪70年代一直到近年，隐私计算交叉融合了密码学、人工智能、计算机硬件等众多学科，逐渐形成以多方安全计算、联邦学习、可信执行环境为代表，混淆电路、秘密分享、不经意传输等作为底层密码学技术隐私计算分类从技术角度出发，隐私计算是涵盖众多学科的交叉融合技术，目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术；第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术；第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。图1 多方安全计算技术框架如图1所示，从底层硬件来说，多方安全计算以通用硬件作为底层架构设计基于密码学的算法协议来实现隐私计算。从算法构造来说，常应用同态加密、差分隐私技术以及包括基于秘密分享、不经意传输、混淆电路等密码学原理的各类多方安全计算协议和其它用于保证隐私计算的密码学技术来提升安全性。

从大数据到人工智能

2022-01-19

3.5K0

标签:

2023 北京金融科技产业联盟《金融业隐私计算互联互通技术研究报告》

第一章：报告基础信息 • 报告标题：金融业隐私计算互联互通技术研究报告 • 发布机构：北京金融科技产业联盟 • 发布时间：2023年5月 • 行业标签：金融 • 产品标签：#隐私计算平台, #安全算子服务第三章：报告目录前言一、隐私计算互联互通当前发展情况 (一)发展背景及意义 (二)行业驱动力 (三)难点与挑战 (四)金融行业探索实践二、金融业隐私计算互联互通框架设计 (一)框架设计考量因素 ( • 数据来源：基于各参与单位在隐私计算领域的技术实践与行业调研，结合《金融科技发展规划（2022-2025年）》等政策文件要求，于2022年至2023年期间完成框架设计与技术验证。 • 框架创新：提出管理面与数据面低耦合切分的行业级互联互通框架，实现“隐私计算系统底座与算法解耦”及“应用算法与安全算子解耦”，支持异构平台在无需改造底层架构的前提下实现协同计算。第六章：为什么选择腾讯云腾讯云计算(北京)有限责任公司作为核心参与单位，入选北京金融科技产业联盟《金融业隐私计算互联互通技术研究报告》编委会成员及参编单位。

IT资讯研究所

2026-05-30

1690

标签:

2023年北京金融科技产业联盟《金融业隐私计算联合建模技术与应用研究》报告概要

第一章：报告基础信息报告标题：金融业隐私计算联合建模技术与应用研究发布机构：北京金融科技产业联盟发布时间：2023年11月行业标签：泛金融产品标签：#联邦学习 #多方安全计算 #同态加密 #可信执行环境 #隐私集合求交第二章：报告背景和目标本报告系统梳理了隐私计算技术在金融业联合建模领域的发展历程、技术体系和应用实践。报告旨在为金融机构应用隐私计算技术提供技术参考和落地指南。技术路径：隐私计算通过联邦学习（训练中间参数不出域）、多方安全计算（密文交互计算）实现"数据可用不可见"。案例显示纵向联邦学习可使风控模型AUC提升约10%。在信贷风控场景完成落地验证数据来源：北京金融科技产业联盟《金融业隐私计算联合建模技术与应用研究》2023年11月版，技术指标基于报告案例实测数据

IT前沿资讯站

2026-05-30

1580

标签:

隐私计算中的联邦学习

例如，密集计算可能只在设备空闲、网络空闲上时执行。这些工作流程为构建可伸缩的基础设施和 API 是一个重大挑战。 3. 联邦计算中的隐私保护联邦学习提供了各种开箱即用的隐私优势。虽然任意函数的多方安全计算在大多数情况下仍然是计算上的障碍，但是已经开发了联邦环境中向量求和的专门聚合算法，即使对观察服务器并控制大部分客户端的对手也可以保护隐私，同时保持对客户端退出计算的鲁棒性: 通信效率在分布式差分隐私下，客户端首先计算特定于应用程序的最小数据，用随机噪声轻微干扰这些数据，并执行隐私聚合协议。然后，服务器只能访问隐私聚合协议的输出。因为差分隐私假设了一个“最坏情况的对手”，具有无限的计算和访问任意侧的信息。这些假设在实践中往往是不切实际的。因此，使用限制每个用户影响的差分隐私算法进行训练具有实质性的优势。这些审计技术甚至在使用大 ε 时也很有用，它们可以量化差分隐私最坏情况下的对手与计算能力和侧面信息有限的现实对手之间的差距。

半吊子全栈工匠

2022-12-03

1.8K0

标签:

隐私计算FATE-模型训练

本文的内容为基于《隐私计算FATE-概念与单机部署指南》中部署的环境。

陶陶技术笔记

2022-11-11

1.1K0

标签:

隐私数据计算技术解析

隐私数据计算当今最具创新性的数据驱动产品和解决方案往往需要处理隐私数据。如何在使用敏感数据的同时保护数据主体、所有者或用户的隐私信息不被泄露，成为一个关键问题。两种隐私保护技术安全多方计算(MPC)MPC允许多方在不公开各自私有数据的情况下，共同计算一个涉及所有数据的功能。技术对比特性 MPC DP 隐私保证仅泄露计算结果相对轻量技术局限MPC的挑战：通用协议通信复杂度高函数设计需谨慎避免边缘情况泄露可能被辅助信息反向推导DP的限制：必须添加噪声对异常值敏感的函数难以兼顾隐私与精度主要适用于数值型统计计算融合应用在某些场景下可结合两种技术优势：使用MPC计算差分隐私近似函数，既能获得MPC的输入保护，又能享有DP的抗辅助信息攻击特性。

2025-08-18

4570

标签: