基于谱减法的语音增强方法及其在ARM中的应用

随着嵌入式设备的应用越来越广泛,语音信号处理系统在嵌入式平台中的应用也越来越重要。谱减法作为一种经典的语音增强算法,以其可实时应用的特点,在语音信号处理中为保证信号的质量提供了一种很好的解决方案。噪声估计在传统方法基础上采用最小值跟踪的噪声算法,用C++语言编程实现,并将算法移植到ARM开发板,算法有效地减小了噪声,为嵌入式语音信号的处理及应用提供了更好的可靠性。

多方计算特定应用场景的匿名化认定与建议

数据正在逐渐成为关键生产要素,各产业对数据的需求也随之不断增长.2021年9月1日开始实施的《中华人民共和国数据安全法》,对国内信息和数据安全领域的普适性法律框架作了进一步完善.作为数据中最为特殊的一部分,个人信息在《中华人民共和国个人信息保护法》受到更加严格的保护.《个人信息保护法》中有关匿名化与去标识化的概念与欧盟相关规定类似,但亦有其不同之处.以欧美相关规定为起点,洞察欧美对匿名化相关概念的差异,评价其可操作性与值得借鉴之处.随后,将我国相关规定与基于多方计算(multi-party computation,MPC)的数据交易场景进行结合,分析目前匿名化与去标识化相关规定在适用上可能面临的问题.最后,从个人信息保护与数据流通的角度,对匿名化与去标识化及其相关规定提出建议.

联邦学习概念辨析与金融应用思考

目前,“联邦学习”这一术语在市场上还存在很多认识上的误解和混淆,主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求,又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法。而且作为广义上的需求,它强调为了保护数据安全,可以牺牲部分准确性;但作为狭义的方法,它反而强调通过牺牲安全来换取性能提升。