隐私计算应用 面向金融场景的应用要求.pdfVIP

隐私计算应用 面向金融场景的应用要求.pdf

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
隐私计算应用 面向金融场景的应用要求 1 范围 本文件规定了隐私计算产品面向金融场景在易用性、金融场景支持功能、算法能力与安全性、场景 应用方面必要的能力要求。 本文件适用于金融机构开展隐私计算金融应用的研发、测试、应用和验收。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件, 仅该日期对应的版本适用于本文件;不注日期的引用文件,其最新版本 (包括所有的修改单)适用于本 文件。 GB/T25069-2022 信息安全技术 术语 GB/T 35295-2017 信息技术 大数据 术语 JR/T0196-2020 多方安全计算金融应用技术规范 3 术语、定义和缩略语 3.1 术语及定义 GB/T25069-2022、GB/T 35295-2017、JR/T 0196-2020界定的以及下列术语和定义适用于本文件。 3.1.1 隐私计算 privacy-preserving computation 在保证数据提供方不泄露原始数据的前提下,对数据进行分析计算的一系列信息技术,保障数据 在流通与融合过程中的 “可用不可见”。 3.1.2 多方安全计算 securemulti-party computation 多方安全计算主要研究针对无可信第三方情况下,安全地进行多方协同的计算问题。即在一个分布 式网络中,多个参与实体各自持有秘密数据,各方希望以这些数据为输入共同完成对某函数的计算,而 要求每个参与实体除计算结果、预期可公开的信息外均不能得到其他参与实体的任何输入信息。 注:多方安全计算的常用技术有混淆电路 (GarbledCircuit)、不经意传输 (ObliviousTransfer)、秘密分享 (也称 为秘密分割,Secret Sharing)、同态加密 (HomomorphicEncryption)等。 3.1.3 联邦学习 federatedlearning 一种多个参与方在保证各自原始私有数据不出数据方定义的私有边界的前提下,协作完成某项机 器学习任务的机器学习模式。 4 T/CCSA XXXX—XXXX 3.1.4 可信执行环境 trusted execution environment 数据计算平台上由软硬件方法构建的一个安全区域,可保证在安全区域内部加载的代码和数据在机 密性和完整性方面得到保护。 3.1.5 参与方 participant 根据参与方在隐私计算任务中扮演的角色与功能不同,将参与方划分为数据方、算法方、调度方、 计算方、结果方、任务发起方。 注:数据方提供计算任务的所需私有数据,算法方提供隐私计算的算法 (计算逻辑和算法参数),调度方管理和协 调其他参与方执行隐私计算任务,计算方为计算任务提供计算能力 (算力),任务发起方触发隐私计算任务,结果方能 获取隐私计算任务的结果。 3.1.6 数据集 data set 数据记录汇聚的形式。 [来源:GB/T35295-2017,2.1.46]。 3.1.7 加密 encipherment encryption 对数据进行密码变换以产生密文的过程。 [来源:GB/T25069-2022,3.278]。 3.1.8 融合数据集 joint data set 多方安全计算或联邦学习任务中各方数据集的并集。 注:在方安全计算或联邦学习任务中,该“融合”是虚拟的,各参与方的原始数据集并未汇聚到一个节点进行融合, 只是各方交换了数据集的描述信息 (如数据的字段列表、数据数量)。虚拟的融合数据集便于各方了解参与当前方安全 计算或联邦学习任务的各方数据的标识、字段、数量等信息。 3.1.9 有效位数 effectivenumbersofbits 对没有小数位且以若干个零结尾的数值,从非零数字最左一位向右数得到的位数减去无效零(即仅 为定位用的零)的个数。对其他数值,从非零数字最左一位向右数而得到的位数。 [来源:JR/T0196—2020,3.13] 3.1.10 特征工程 featureengineering 一系列用于筛选数据特征以提升模型训练效果的工程化方法。 3

文档评论(0)

ulttle + 关注
实名认证
文档贡献者

资料大多来源网络,仅供交流与学习参考, 如有侵犯版权,请私信删除!

1亿VIP精品文档

相关文档