基于联邦学习和多方安全计算的海铁联运数据安全共享方法研究

我国海铁联运占港口集疏运比例仍然过低,关键原因之一在于铁路对于港口适运货源的动态信息不明、营销组织不力。铁路货运营销部门缺乏在保证港口、铁路、海关三方数据隐私安全的前提下,根据铁路运力动态主动挖掘港口和海关数据中潜在适运货源的技术方法和手段,难以推出适销对路的运输产品和动态营销手段,也难以为海铁联运基础设施的建设提供有效决策依据。构建基于联邦学习和多方安全计算的铁路-港口-海关数据安全共享方法,使用结合同态加密等多方安全计算技术的梯度提升决策树作为模型训练算法,铁路、港口、海关三方地位对等协作,训练出海铁联运潜在货源识别策略;在该策略的正式运行实现过程中,铁路方能够获得路网各流向潜在适运货源的数量级,各方均看不见、带不走其余参与方的任何原始数据。

“联邦学习+区块链”多方安全计算引擎系统研究

本文为了更好地解决行业合作、交互可信和数据共享问题,实现跨行业的模型共享训练以及生态构建,天津移动打造了基于"区块链+联邦学习"的多方数据共享模型训练引擎,用于智慧零售、风险评估和满意度预测等场景,实现多方隐私数据共享,构建数据生态,打破数据孤岛,挖掘数据联合价值,从而实现多方安全计算。

基于多方安全计算隐私保持的异常检测算法研究

本文首先介绍了保持隐私的异常检测算法和多方安全计算,接着提出了一种新的安全和计算算法。该算法有效地解决了多个站点间保持隐私的和计算的串谋问题,并应用于基于垂直划分的分布式数据库的异常检测中,给出了一种保持隐私异常检测算法,最后对该算法的安全性、计算和通讯开销做了简要的估计。

基于多方安全计算技术的消费者金融信息保护研究

本文简要概述了多方安全计算技术的发展与应用现状,提出了基于多方安全计算技术的消费者金融信息保护理念,提供了具体应用场景的解决方案,并对应用场景的应用过程进行详细的描述。文章最后对多方安全计算技术进一步的发展给出了建议措施。

可调节安全等级的多方安全计算

对于多方安全计算目前国内外已有许多研究成果,从安全方面去看很多解法是尽善尽美,但在实际的运行中却不尽人意。为此,本文提出了多方安全计算的一种新的安全范型,其中利用了允许部分信息泄露的可接受的安全模型.该模型是通过降低安全方面的约束来实现更好的性能。在新范例中,安全是可调整的,用户可以根据他们可接受安全的定义调整安全等级.此外,文中还定义了整篇论文中所使用的唯一的问题,即标量数乘问题。特别地证明了新范型在算法模式标准中是怎样导向实用解法的,并描述能服务目标的已有的算法模式。

基于多方安全计算的公共数据融合创新模式研究及应用

多方安全计算技术已广泛应用于金融、互联网等领域,用于解决“数据孤岛”难题,然而其在公共数据领域的应用尚不成熟。针对公共数据领域提出了基于多方安全计算的公共数据融合创新模式,开发设计了在保护数据安全前提下利用各主体公共数据联合计算的技术架构。该模式通过技术创新突破制度制约,实现数据价值提升和保障数据安全的兼顾。主要分析了模式中多方安全计算核心系统的3个子层:联合计算子结构层、安全关系代数层和多方安全计算基础算子层。此外,还给出了实现公共数据融合创新模式的通用流程,并对公共数据融合创新模式的应用实例进行了阐述,为助力数字中国建设、畅通数据资源大循环提供新模式的借鉴。

多方安全计算在保密路径判定中的应用

保密路径判定是一种特殊的保密隐私的几何计算问题.基于保密点积协议和百万富翁协议提出了一种半诚实模型下的曲线与椭圆区域的保密相交判定协议,并对协议的性能进行了分析.该判定协议可用于解决保密路径判定问题.

多方安全计算研究综述

随着互联网的快速发展,数据资源已经成为各行业的重要竞争力,但由于数据的拥有者和使用者无法统一,数据安全和个人隐私等问题日益加剧,因而产生了“数据孤岛”现象.多方安全计算技术能够同时确保数据输入的隐私性和数据计算的正确性,并且在无第三方的情况下通过协议保证参与计算的参与方输入的数据不泄露,有望解决以上类似问题.从多方安全计算的定义和特点出发,介绍多方安全计算的研究现状、组成模型和应用场景.

多方安全计算框架下的智能合约方法研究

数据是国家新兴基础性战略资源,构建一个新兴的数据要素市场引发各界的高度关注,但随之而来的数据隐私泄露问题、数据滥用等问题也被引起重视.隐私计算解决了“数据可用不可见”的问题,但仍然缺乏数据使用过程的有效监管技术和手段,所以数据滥用的风险仍然存在.构建健康有序的数据要素市场需要建立在坚固的信任基础和智能化的监管措施之上.以去中心化的、多方互为监督的技术思路为指引,结合隐私计算中的多方安全计算技术,研究设计了一种新型的智能合约——计算合约.计算合约的内容由多方互相确认,可自动化执行,算法公开可验证,实现了数据流通使用的安全可控.利用所设计的智能合约,将其应用到北京大数据交易所中,为某银行融合多方数据测算贷款额度提供了支撑,演示了计算合约全生命周期的执行过程,相关流程可追溯、可监管.研究成果具有较好的示范性和可推广性,可为数字经济的发展提供有力支撑.

基于多方安全计算的电信欺诈识别系统研究

本文基于“联邦学习+区块链”技术,设计了一种基于多方安全计算的电信欺诈识别系统。实现电信行业欺诈识别和风险防控功能。该系统以联邦学习技术为基础实现电信、金融、公安等跨行业的数据隐私共享,并以联盟链实现去中心化的可信网络,将人工智能模型关键参数上链,在保证原数据不出域、数据隐私不泄露的基础上完成联邦模型的建立与预测。该系统成功打通企业间数据壁垒,实现在跨运营商、公安行业的合作共赢,实现精准欺诈识别、受害人通知、手机断卡冻结,成为数据融合赋能的引擎、智脑。

新型政务数据开放开发模型设计——一种解决政务数据开发开放难题的多方安全计算设计方案

针对当前政务数据开放共享存在的障碍和问题,文章提出将多方安全计算技术应用到政务数据开放共享领域,设计新型政务数据开放开发模型,从政务数据汇聚共享、开发开放和数据交易市场发展三个方面设计基于多方安全计算的政务数据开发开放解决方案,攻克政务数据开发开放过程中的数据安全和隐私保护问题,实现跨部门数据的融合共享及开发利用,充分发挥政务数据资产的价值。

基于多方安全计算的电子合同平台的设计与实现

日常工作中通过快递签署合同的方式,由于存在着无法确定签字盖章的真实性可能造成的法律风险、纸质合同快递物理流转过程中可能造成的商业秘密泄漏风险以及企业内部信息系统(如OA系统)审核后对纸质合同内容的复核所造成的工作效率的浪费,这三个显著问题,使得纸质合同向电子合同的转换成为企业经营中的必然,但合同有其固有的法律属性需求,如何在电子合同平台设计中满足合同基本法律属性的需求,成为电子合同平台设计过程中的挑战。

基于多方安全计算的电力云平台数据共享与隐私保护

为解决电力云平台中的数据共享和隐私保护问题,对电力云平台的数据共享与隐私保护方案展开了研究,分析了当前电力云平台中的数据共享需求和隐私保护挑战,通过应用多方安全计算,提出一种适用于电力云平台的数据共享与隐私保护方案,以实现数据共享安全和优化隐私保护效果,以期为相关人员提供有益参考。

基于区块链的外包安全多方统计计算可验证隐私保护方案

安全多方求和/乘积是安全多方计算(Secure Multi-Party Computation, MPC)的一种典型问题,近年来在智能电网、电子投票和联合征信等场景中有诸多应用。如何实现数据隐私保护是安全多方求和/乘积计算应用领域的一个关键性问题。针对此问题,引入了区块链构建可信数据共享环境,以此为基础结合可验证秘密共享协议设计了简单可行的基于区块链的外包安全多方统计计算可验证隐私保护方案。应用实例证明了方案的安全性和可行性,理论分析和实验测试表明该方案可实现安全多方统计计算过程中数据的可验证隐私保护,且较Feldman方案在数据验证过程中有更小的计算开销。

基于多方安全计算的航天供应链研究

本文研究了如何通过数据加密算法保护供应链数据隐私,并在多方安全计算框架下构建供应链数据安全共享网络,从而实现高效的供应链信息安全共享。研究发现了加密技术可以提高多方计算平台上加密过程和签名过程的安全性。随着全球供应链网络的不断发展,航空供应链中的风险也在不断增加。航空供应链的复杂性、动态性、波动性和高复杂性,使得航空供应链相关方之间需要通过网络进行信息交换和数据共享。由于隐私数据受到严重威胁,航空公司通常不愿意公开这些数据。为了确保信息不被恶意泄露,需要建立多方安全计算(MPC)机制,从而在整个计算过程中保护个人数据隐私。文章以航天供应链的安全问题为研究对象,提出基于多方安全计算技术的解决方案。综述了多方安全计算技术的发展历程和应用现状。随后,基于多方安全计算技术构建了航天供应链的安全模型,探讨了多方安全计算在航天供应链中的应用,包括数据安全保障、隐私保护和安全性评估。

基于多方安全计算的中药供应链的数字化研究

文章讨论了中药供应链中存在造假现象,并介绍中药材供应链的现状,链上各节点存在数据孤岛、交互慢等问题,导致中药造假现象严重,同时分析了中药供应链中的造假问题,包括药农、原材料供应商、药品生产商和药品销售商等可能存在的假冒伪劣行为。而现有的解决方案并未考虑供应链各方的隐私安全问题,文章提出了基于多方安全计算搭载数字化平台作为解决方案,该平台具备多方协同计算能力,加强实现数据流通的可控性,并促进信息共享和保障各方隐私安全,为监管部门提供检测分析数据,辅助治理决策数字化和智能化,从而减缓中药造假问题,保障中药的质量和安全。

基于安全多方计算的区块链医疗信息共享模型研究

针对传统医疗信息共享模式下存在的安全共享问题,文章设计了一种基于安全多方计算的区块链医疗信息共享方案。该方案为了确保医疗数据的隐私和完整性,设计了参与层、计算层和验证层三层模式架构,并采用了链上索引和链下存储相结合的方式,通过安全多方计算实现隐私保护和安全共享。测试结果显示,相较传统的医疗信息共享方案,文章提出的方案能够有效保护医疗数据安全,在处理较大规模数据时能够提供较高的性能和运算效率。

一种基于安全多方计算的快速Transformer安全推理方案

Transformer模型在自然语言处理、计算机视觉等众多领域得到了广泛应用,并且有着突出的表现.在Transformer的推理应用中用户的数据会被泄露给模型提供方.随着数据隐私问题愈发得到公众的关注,上述数据泄露问题引发了学者们对Transformer安全推理的研究,使用安全多方计算(secure multi-party computation,MPC)实现Transformer模型的安全推理是当前的一个研究热点.由于Transformer模型中存在大量非线性函数,因此使用MPC技术实现Transformer安全推理会造成巨大的计算和通信开销.针对Transformer安全推理过程中开销较大的Softmax注意力机制,提出了2种MPC友好的注意力机制Softmax freeDiv Attention和2Quad freeDiv Attention.通过将Transformer模型中的Softmax注意力机制替换为新的MPC友好的注意力机制,同时结合激活函数GeLU的替换以及知识蒸馏技术,提出了一个MPC友好的Transformer转换框架,通过将Transformer模型转化为MPC友好的Transformer模型,提高Transformer安全推理的效率.在局域网环境下使用安全处理器(secure processing unit,SPU)提供的隐私计算协议,基于所提出的MPC友好的Transformer转换框架,在SST-2上使用Bert-Base进行安全推理.测试结果表明,在保持推理准确率与无近似模型一致的情况下,安全推理计算效率提高2.26倍.

基于中医药真实世界数据验证中医可信联合分析平台中的安全多方计算:以描述性统计和频数分析为例

目的利用真实世界中的中医药数据验证中医可信联合分析平台中安全多方计算的准确性、稳定性和效率,包括分布式描述性统计和分布式频数分析。方法利用真实世界中多家三甲医院脾胃科慢性胃炎患者的数据进行验证,将数据进行规范化处理后拆分成多个数据集分别上传至平台中的各个节点,选取四个连续性变量(年龄、PGⅠ、PGⅡ、PGⅠ/PGⅡ)和三个二分类变量(证素、舌象、脉象)分别进行描述性统计计算和频数分析计算。在平台中分别进行单中心计算和分布式计算,在SPSS26.0中进行中心式计算,对于分布式描述性统计,调整节点的数据量和节点数量进行三次验证,最后比较三种结果以评估安全多方计算的准确性、稳定性。在Excel中使用t检验比较计算时间之间的差异以评估效率。结果最终纳入了5160份数据。四个连续性变量的分布式描述性统计的计算结果与中心式结果完全一致,多次验证的结果也相同,部分单中心的计算结果与总结果存在较大差异,三个分类变量的分布式频数分析结果和中心式结果同样完全一致。分布式描述性统计计算时间略高于单中心计算时间,但各变量都无显著差异(年龄变量P=0.05,PGⅠ变量P=0.08,PGⅡ变量P=0.31,PGⅠ/PGⅡ变量P=0.19),分布式频数分析的计算时间与单中心计算时间相近,总体无显著差异(P=0.32),然而频数分析的计算时间明显低于描述统计(描述性统计:51~84s,频数分析:28~40s)。结论可信联合分析平台安全多方计算中的分布式描述性统计和分布式频数分析在严格保护数据安全性的前提下准确性、稳定性和效率能达到足够的水平,可以用于实际的多中心中医药临床研究。

安全多方计算应用的隐私度量方法

安全多方计算应用对输入信息的隐私保护能力,一方面依靠底层的安全机制,另一方面依靠具体的目标函数.目前对安全多方计算的研究主要集中于防止计算过程泄露信息的安全机制;而对部署安全多方计算的目标函数对参与者的输入信息的隐私保护能力的度量或评估方法研究较少.目标函数的各参与者通过合法的输入和输出推导其他参与者的输入信息的问题不能由安全多方计算的安全机制阻止,因此对目标函数的隐私保护强度的度量关乎安全多方计算方案的具体实施应用.根据信息熵模型,从攻击者的角度定义平均熵和特定熵的概念,提出计算信息收益的方法.进而,通过计算目标函数的理想隐私损耗和实际安全多方计算应用中的实际隐私损耗,衡量安全多方计算具体应用方案的隐私保护强度.