4-4 基于区块链的可信联邦学习架构.pdf

《4-4 基于区块链的可信联邦学习架构.pdf》由会员分享，可在线阅读，更多相关《4-4 基于区块链的可信联邦学习架构.pdf（77页珍藏版）》请在三个皮匠报告上搜索。

1、|基于区块链基于区块链的的可信联邦学习架构可信联邦学习架构主讲人：陈川 副教授中山大学计算机学院|01隐私计算概述隐私计算概述02区块链区块链+隐私计算隐私计算03研究工作进展研究工作进展04未来发展分析未来发展分析目录目录 CONTENT|隐私计算概述01|隐私计算的法律与合规目前，中华人民共和国密码法、中华人民共和国网络安全法、信息安全技术个人信息安全规范等一系列法律法规的正式生效，规范了信息安全和隐私保护的具体要求，隐私保护的重要性和迫切性不言而喻。2020年4月，国务院印发关于构建更加完善的要素市场化配置体制机制的意见把数据列为生产要素，并要求”加强数据资源整合和安全保护”，”制定数据

2、隐私保护制度和安全审查制度”。2020年5月，国务院印发关于新时代加快完善社会主义市场经济体制的意见中明确提出:“加强数据有序共享，依法保护个人信息”。2020年12月，国家发改委联合3部委发布关于加快构建全国一体化大数据中心协同创新体系的指导意见，以深化数据要素市场化配置改革为核心，优化数据中心建设布局。.欧盟史上最严格的隐私保护法案通用数据保护法案(GDPR)、美国的加州消费者隐私法案(CCPA)、新加坡的个人资料保护法令(PDPA).国外相关法规|资料来源：隐私计算技术金融应用研究报告|隐私计算保护的罚款在国际社会上，被称为史上最严格的隐私保护法案通用数据保护法案（GDPR）除了明确技术

3、效果之外，更是引入了巨额的罚款措施，一个国际集团中任一个子公司可能会因单次违规事件，而面临可能高达集团前年全球年度总收入 4%的巨额罚款，GDPR 法案的实施进一步加强了隐私保护产业化的必要性和迫切性。年份年份公司名称公司名称事件事件涉及金额涉及金额报道机构报道机构2018Facebook意大利数据保护监管机构DPA处罚Facebook违反GDPR法案1千万欧元英国卫报2019Facebook美国联邦贸易委员会处罚Facebook50亿美元英国BBC2019Google法国数据保护监管机构CNIL处罚Google违反GDPR法案5千万欧元法国数据保护机构CNIL资料来源：微众银行区块链WeDP

4、R隐私保护白皮书，收集日期：2019年12月13日|隐私计算的行业标准随着隐私计算技术近几年的快速发展和落地应用，国际与国内隐私计算的相关标准相继制定发布。国内中中国人民银行发布金融业数据能力建设指引标准，明确了金融业数据工作的基本原则；中国通信标准协会分别再2020年、2021年发布以信通院牵头制定的四个关于数据应用与安全的团体标准，从功能、性能、安全性方面对隐私计算的几个主要技术路线进行规范；.国际上电气和电子工程师协会(IEEE)标准组于2020年3月发布了联邦学习系统架构和应用指南，该标准对联邦学习的定义、概念、分类、算法框架规范等方面进行了系统性阐述;IEEE标准组多方安全计算推荐实

5、践、国际标准化组织ISO多方安全计算标准、国际电信联盟ITU多方安全计算指南都发布了相应标准；.|隐私计算的市场前景当前国内各行业对于数据流通的需求日趋旺盛，IDC于 2021 年 8 月在2021 年全球大数据支出指南中预测，到 2024 年国内大数据市场规模将超过 200 亿美元；毕马威于 2021 年 4 月在2021 隐私计算行业研究报告中指出，国内隐私计算技术营收服务将在 2024 年达到 200 亿人民币。公司类型公司类型公司名称公司名称市值市值/融资融资上市公司Snapchat(NYSE:SNAP)市值211亿美元初始公司OneTrust融资2亿美元初始公司Acronis融资1.

6、6亿美元初始公司TrustArc融资1亿美元资料来源：NYSE，Crunchbase|隐私计算的市场前景Gartner 在 2021 和 2022 连续两年将隐私增强计算（Privacy Enhancing Computation）评为重要战略技术趋势之一。|隐私计算的定义与作用隐私计算的目标主要是防止数据中隐私信息的泄露，因此隐私保护技术最主要的性能指标为隐私保护强度。对于个人消费者而言对于企业和机构而言对于政府而言隐私计算应用有助于保障个人信息安全。隐私计算在很多场景的应用,可以提升对个人信息的保护水平,降低个人信息在应用过程中泄露的风险。隐私计算是数据协作过程中履行数据保护义务的关键路径