交个朋友吧

合集-讲座

冯登国院士：数据安全新方向——数据使用安全
摘要：链接： 冯登国院士：数据安全新方向——数据使用安全 近日，在2023中关村论坛——数据安全治理与发展分论坛上，冯登国院士做了主题为：《数据安全新方向：数据使用安全》的分享，以下是分享全文。 各位专家，各位嘉宾，大家好: 很高兴有这个机会与大家进行交流一下对数据安全的一些认识，发言题目是《数据安全新方 阅读全文
posted @ 2023-06-15 17:57 PamShao 阅读(438) 评论(0) 推荐(0)
同态加密技术及其在FL/MPC中的应用-洪澄
摘要：转载：链接 Pailler是具有一次乘法同态的。 Pailler 我好像一直叫的都是 “拍利尔” 。 关于定理的证明，参考：Pailler 同态性 安全性 语义安全 DCR问题 简单来说就是，对于z=y^n mod n^2 ，给出z 和 n，很难求出 y BFV 解密时， 同态性 安全性 同态应用 阅读全文
posted @ 2021-11-12 11:05 PamShao 阅读(1118) 评论(2) 推荐(1)
安全多方计算技术及其在阿里巴巴的应用-2020年北京网络安全大会
摘要：转载：链接 混淆电路 不是Bob拥有b么，为什么Alice加密b再发给Bob，这是什么意思？ GC是混淆电路，就是函数 S1-i ？ 秘密共享 加减好实现，乘除呢？ 应用 项目地址：链接 联合建模、联合统计、联合计算 阅读全文
posted @ 2021-11-12 15:08 PamShao 阅读(313) 评论(0) 推荐(1)
隐私计算技术创新及产业实践研讨会：学习
摘要：会议笔记。 ##隐私计算框架“隐语”及其最新实用实践 ###总结 1、隐私计算很重要 2、介绍主要基础技术：TEE、MPC、DP、FL 3、隐语的安全性，在去中心化、集中式和联合计算模式下是安全的。 4、通用隐私计算框架“隐语”介绍及最新应用实践：https://www.bilibili.com/v 阅读全文
posted @ 2022-07-02 13:06 PamShao 阅读(289) 评论(0) 推荐(0)
基于FATE的可验证秘密分享算法详解及应用场景分享：学习
摘要：内容来自“光大科技-基于FATE的可验证秘密分享算法详解及应用场景分享” ##理论 基于Shamir的秘密共享方案，通过多项式插值实现。 加入可验证功能，即发送多项式系数的模数给对方作为承诺，对方通过分享值和承诺去进行验证！ ###秘密共享 以下内容转载自“秘密共享—隐私计算和区块链共识中的榫卯”并 阅读全文
posted @ 2022-06-25 00:27 PamShao 阅读(1970) 评论(0) 推荐(0)
联邦学习安全效率与开源生态讲座
摘要：##隐私计算技术框架与安全体系 ##FATE开源架构的技术演进及生态发展 ##联邦学习在自动驾驶中的应用 ##联邦学习技术挑战及实践介绍 ##完整 观点集萃 | 联邦学习安全效率与开源生态论坛精彩时刻 阅读全文
posted @ 2022-05-25 17:55 PamShao 阅读(116) 评论(0) 推荐(0)
数据安全与隐私计算峰会-安全求交集在隐私计算中的发展和应用：学习
摘要：数据安全与隐私计算峰会-安全求交集在隐私计算中的发展和应用：学习 PSI是安全多方计算中发展较为成熟的技术。 定义 （1）Alice获取到交集 思考一下：对于两方来说，是一方获取交集？还是两方都获取交集？ （2）可证明安全：证明Alice不能获取除了交集以外的信息 功能分类 两方半诚实 （1）只获得 阅读全文
posted @ 2022-07-29 01:33 PamShao 阅读(739) 评论(0) 推荐(0)
数据安全与隐私计算峰会-可证明安全：学习
摘要：数据安全与隐私计算峰会-可证明安全：学习 完整版：干货分享：可证明安全的隐私计算 永远不正面证明方案有多安全，而是证明方案可以抵抗哪些攻击！ 可证明安全 用于评估安全性的准则 分为两种： 1、基于游戏的证明 以Paillier加密方案为例： 反证法：（1）先假设可以（2）规约到困难问题 2、基于模拟 阅读全文
posted @ 2022-07-27 23:47 PamShao 阅读(682) 评论(0) 推荐(1)
密码学与隐私计算在人工智能行业中的实践：学习
摘要：密码学与隐私计算在人工智能行业中的实践-矩阵元 由需要安全的数据流通和共享，提出隐私AI，即AI、密码学和系统安全技术的融合，解决安全的多方联合计算问题，分为三个方向：MPC（密码学）、FL（AI算法）和TEE（硬件）。 引言 1、数据流动和共享价值很大！ 2、数据泄露也很严重！ 3、在多方下，进行 阅读全文
posted @ 2022-07-15 19:04 PamShao 阅读(786) 评论(0) 推荐(0)