0


第二讲:隐私计算开源助力数据要素流通

1.数据要素流转与数据内外循环

1.数据流转链路主要包括:采集、存储、加工、使用、提供、传输

2.数据要素外循环是构建数据要素市场的核心

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,在使用方运维域,持有方依然拥有管控需求和责任

2.数据外循环中的信任焦虑

1.数据外循环中的信任焦虑

                                    **构建数据要素市场的关键环节**

2.信任焦虑背后的代表性案例

 **内鬼门**:2023年,美国科技公司Ubiquiti在2021年1月曝出数据泄露事件,“攻击者”在随后的“谈       判”中试图向该企业勒索近200万美元(50比特币)赎金以换回被盗数据。随着深入调查发现,该         公司员工Sharp才是事后背后的始作俑者。

 **Facebook剑桥分析数据门**:英国剑桥分析公司获取海量Facebook用户数据,未经用户同意的情    况下将这些数据用于政治广告分析,以支持2016年唐纳德·特朗普的总统竞选,案发后,扎克伯      格表示2014年Facebook平台就已经不再允许第三方应用获取用户好友的数据,并于2015年要求    相关公司删除数据并提交了证明。但Facebook没有(也难以)去确认这些个人数据真的已经被删除    2019年7月,美国联邦贸易委员会宣布Facebook因违反隐私规定,需缴纳50亿美元的罚款

**美国网络影视公司 Netflix**:举办了一个预测算法的比赛(NetflixPrize),比赛要求在公开数据上推      测用户的电影评分 ,也做了去标识脱敏处理。但UTAustin研究者关联IMDb互联网电影数据库后      识别了其中的用户身份。在2010年,Netflix 因为隐私原因宣布停止比赛,并受到九百万美元高      额罚款。

3.信任焦虑的关键问题之一:数据权属

4.信任焦虑的解决方案:从主体信任到技术信任

5.数据要素流通的技术信任体系

6.技术信任需要完备的信任链

3.数据要素流通对隐私计算的期望

1.隐私计算的内涵

i.隐私计算的三个原则:

  • 原始数据不出域、数据可用不可见
  • 数据可算不可识
  • 数据使用 可控可计量

2.隐私计算产品度量尺度

4.隐私计算开源助力数据要素流通

1.关于隐语

2.隐语的技术优势

3.隐语开源安全验证

隐语可信隐私计算框架的开源安全验证流程

4.隐语权威认定和荣誉奖项

5.结语:数据要素流通与隐私计算

数据流通>数据外循环→技术信任>隐私计算内涵>开源隐语

1.数据要素大潮带来了全新的数据安全外循环技术挑战

  • 信任焦虑 是数据要素流通面临的关键挑战
  • ·从 主体信任 正在逐渐走向 技术信任

2.宏大的前景,隐私计算面临新机会

  • 隐私计算内涵在丰富:可用不可见、可算不可识、可控可计量
  • 产品能力 度量尺度 要标准化
  • 开源 降低接入门槛:普惠、安全、标准化

3.开源隐语助力数据要素流通

  • 四大技术优势、专业的安全验证
  • 多项权威认定和荣誉奖项
  • 推动行业标准化、生态建设
标签: 开源 运维 安全

本文转载自: https://blog.csdn.net/qg567123/article/details/139453725
版权归原作者 qg567123 所有, 如有侵权,请联系我们删除。

“第二讲:隐私计算开源助力数据要素流通”的评论:

还没有评论