隐私增强技术(PETs)有可能成为我们转变信任模式所需的杀手锏。
从政策、市场、技术等角度总结了隐私计算现状,并针对当前发展挑战与热点现象带来思考和观察。
下面从联邦学习在医学影像领域的应用出发,梳理一下隐私计算技术在医学领域的现状和挑战。
本文跳出国内,来看看美国的隐私计算技术发展情况。
对隐私计算发展背景和现状进行了阐述,及其发展过程中存在的掣肘进行了剖析;结合数据基础制度体系建设的相关意见梳理了推动隐私计算业务发展、贡献激励和服务生态的行业探...
报告创新提出了“管理面与数据面切分,管理面分模块定义,数据面逐步解耦”核心理念的隐私计算互联互通统一框架方案。
研究探讨了卫生健康行业在数据共享与利用的实际应用场景下面临的困境,提出了隐私计算在各应用场景下的应用方案,并根据实际需求给出了对应场景下隐私计算模型安全的建议。
虽然当前隐私计算技术在数据要素安全治理中已有一些应用,但仍面临诸多挑战。
“守门人”开始大规模地上线隐私计算技术。隐私计算技术的实用既会“倒逼”处理者更加深刻地贯彻隐私设计,也进一步抬高了隐私设计的水位线。
隐私计算成为重要战略技术发展方向,平台型公司将胜出。
新一轮隐私计算开源的发展呈现出新的特点,并将深刻影响隐私计算领域未来的发展格局。
本文将从安全多方计算(MPC)、联邦学习(FL)、可信执行环境(TEE)、同态加密(HE)出发,逐一带来2022年全球隐私计算开源现状的剖析展示。
借助隐私计算技术,能够在保证数据安全的前提下充分发挥通信数据应用价值,助力各行业数字化发展实践,对充分释放数据要素价值和推动社会经济发展具有重大意义。
指南尝试在我国现有立法框架下,对隐私计算技术应用的合规问题进行梳理和探讨,对隐私计算技术面临的合规挑战进行分析,并提出一些合规要点。
报告创新性地以全球视野从图谱、技术、应用、开源、趋势等多个维度,全面展示了全球隐私技术发展整体概貌。
白皮书将全面展现行业成就及发展新态势,旨在为产业界应用隐私计算技术提供参考指导,推动隐私计算行业健康发展。
隐私计算成为数据要素价值安全释放的“技术解”之一,越来越受到业界的关注和重视,在金融风控、营销推荐、智慧政务、智慧医疗等领域的应用越来越广泛。
打造基于隐私计算的跨行业反欺诈生态,银行业已行动。
“WAIC2022· 金融科技与数据要素论坛”上嘉宾们普遍表示,目前隐私计算的整个发展形势非常蓬勃向上,但对于可用性来说,稍微有些不及预期。
《金融场景隐私保护计算平台 技术要求与测试方法》《基于区块链的机构电子签约系统要求》《移动互联网应用程序SDK安全技术要求及测试方法》。
微信公众号