目录
图片来源： https://www.basebit.ai/en/Statics/Images/en/dbys.png
隐私计算技术的产生是互联网、大数据以及区块链等技术发展到一定阶段的必然成果，以下为大家分享读书笔记。
安全保护技术和应用总结
| 技术名称 | 解决的问题 | 开源框架名称 | 所用语言 | 开源链接 |
|---|---|---|---|---|
| 混淆电路 | 百万富翁问题 | Obliv-C | C59.0%OCaml32.9% | https://github.com/samee/obliv-c |
| 秘密共享 | 求向量内积 | JIFF | JavaScript | https://github.com/multiparty/jiff |
| 同态加密 | 距离计算 | SEAL | C++ | https://github.com/microsoft/SEAL |
| 零知识证明 | 提供财富达标证明 | libsnark | C++ | https://github.com/sciprlab/libsnark |
| 差分隐私技术 | 统计美国人口数据 | SmartNoise | Python and Rust | https://github.com/opendp/smartnoise-sdk |
| 可信执行环境Trusted Execution Environment | 椭圆曲线数字签名算法 | 基于硬件的TEE：Intel SGX | C andor C++ | https://software.intel.com/sgxsdk |
| 可信执行环境Trusted Execution Environment | Private Join and Compute | Teaclave | Python and Rust | https://github.com/apache/incubator-teaclave |
基础隐私计算技术在联邦学习中的应用
| 技术名称 | 解决的问题 | 说明 |
|---|---|---|
| 隐私保护技术 | 样本对齐 | |
| 同态加密 | 特征工程 | 机器学习建模中的重要一环 |
| 秘密共享 | 梯度下降和神经网络训练 | 分别为横向和纵向联邦学习 |
| 差分隐私 | 对梯度信息添加随机噪声以保护用户梯度的私密性 | 平衡隐私保护预算开销和联邦学习效率具有挑战性 |
| TEE | 解决信息聚合问题 |
参考书籍
- 李伟荣. 深入浅出隐私计算 技术解析与应用实践 (网络空间安全技术丛书) (Chinese Edition). Kindle Edition.
- 代码链接：https://github.com/li-weirong/ppct
- Docker镜像文件
Docker Hub