实训营专题

隐私计算实训营学习八:隐语SCQL的开发实践

文章目录 一、SCQL使用集成最佳实践1.1 SCQL使用流程1.2 SCQL部署1.3 SCQL使用示例 二、SCQL工作原理三、使用SecretNote上手体验SCQL 一、SCQL使用集成最佳实践 1.1 SCQL使用流程 SCQL使用: SCQL 开放 API 供⽤户使⽤/集成。可以使⽤SCDBClient上⼿体验(类似与Mysql Client的命令行工具);也可以基

隐私计算实训营学习六:隐语PIR介绍及开发指南

文章目录 一、隐语实现的PIR总体介绍1.1 PIR的定义和种类1.2 隐语PIR功能分层 二、Index PIR-SealPIR介绍三、Keyword PIR- Labeled PSI介绍四、隐语PIR后续计划 一、隐语实现的PIR总体介绍 1.1 PIR的定义和种类 PIR(Private Information Retrieval PIR)隐匿查询:用户查询服务端数据库中

【隐私计算实训营——004上手隐语SecretFlow和SecretNote安装部署】

1. SecretFlow安装 1.1 环境要求 Python>=3.8操作系统 Ubuntu18+ 资源:>=8核16GB安装包 secretflow-lite 安装方式 docker(推荐) 2. SecretFlow部署模式 SecretFlow使用Ray作为分布式计算调度框架。 Ray集群由一个主节点和零或若干个从节点组成。 3 仿真模式 3.1单机仿真 我们通过

隐私计算实训营学习二:隐私计算开源如何助力数据要素流通

文章目录 一、数据要素流转与数据内外循环二、数据外循环中的信任焦虑三、数据要素流通对隐私计算的期望四、隐私计算开源助力数据要素流通 一、数据要素流转与数据内外循环 数据要素流转过程(从数据采集加工->到数据价值释放): 链路主要包括采集、存储、加工、使用、提供、传输。 内循环: 数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责。 外循环: 数据要素离开了持有方管控域,

隐私计算实训营学习三:隐私计算框架的架构和技术要点

文章目录 一、隐语架构二、产品层三、算法层3.1 PSI与PIR3.2 Data Analysis-SCQL3.3 Federated Learning 四、计算层4.1 混合调度编译-RayFed4.2 密态引擎4.3 密码原语YACL 五、资源管理层六、互联互通七、跨域管控 一、隐语架构 1、完备性:支持多种技术,同态加密、多方安全计算、可信执行环境、差分隐私等。 2、透明性

【百度灵境矩阵实训营】操作指南

【百度灵境矩阵实训营】操作指南 写在最前面提交注意事项比赛参与指南1、创建智能体作品要求 2、提交作品 学习资料包 🌈你好呀!我是 是Yu欸 🌌 2024每日百字篆刻时光,感谢你的陪伴与支持 ~ 🚀 欢迎一起踏上探险之旅,挖掘无限可能,共同成长! 前些天发现了一个人工智能学习网站,内容深入浅出、易于理解。如果对人工智能感兴趣,不妨点击查看

隐私计算实训营第一期第1讲

信任四要素 身份可确认利益可依赖能力有预期行为有后果  外循环中四要素遭到破坏,导致信任降级甚至崩塌 责任主体不清利益诉求不一致能力参差不齐责任链路难追溯  数据可信流通,需要从运维信任走向技术信任: 可信数字身份:从主体扩展至应用身份使用权的跨域管控:对齐数据流通链条上的利益诉求;规范化技术要求能力预期:通用安全分级标准,平衡功能与成本全链路审计:覆盖原始数据到衍生数据,责任界定

数据“隐领”未来!【隐私计算实训营】限时免费招募!

数智经济时代,为强化个人隐私信息保护,国家颁布了《国家安全法》、《网络安全法》、《数据安全法》等数据安全法律法规,并严厉处罚数据违规出海、侵权、滥用等问题。数据安全和隐私保护成为大家的共识。隐私计算技术在此背景下应运而生,确保数据在保护下实现价值转化,实现“可用不可见”的状态,充分保障数据安全和隐私。 根据国际权威调研机构IDC发布的一份报告显示,2024年中国大数据规模有望超过250亿美元,

从原理到实践 京东推荐系统高阶实训营推出免费试听计划(价值498元试听课限量免费领取200份)...

Hi,各位打工人! 虽然我们都曾因为“钢铁般的意志”被地铁安检拦下来过,但干不完的工作,挤不完的地铁,重复的生活,正不断消磨着我们的意志。But,打工人岂能认怂?为了提升自己,很多人都在用不同的方式默默为自己充电,有的人看书,有的人刷技术论坛,有的人听广播听课,还有的人报学习班,大家都在通过自己的方式不断进步。 在技术日新月异的互联网行业,随着5G与人工智能技术的快速发展,更加速了每个人的自我

产业级项目实战配合技术讲解,百度零门槛AI开发实训营重磅开营

企业管理者说, 我想尝试在业务场景中应用AI,但没有资深算法工程师,怎么办? 业务场景复杂,数据积累不足、质量参差不齐,如何快速优化? 各大厂商的AI芯片和硬件层出不穷,性能、功耗、价格,我该如何选择? 开发者说, 初入AI大门,网络和算法不知如何选择,如何快速上手实战? 数据量大,算力资源昂贵,有没有办法低成本实践经典项目? 欠缺AI开发经验,哪里能听听身经百战的研发大牛经验分享?