该案例在技术上实现了隐私计算的重要创新和突破,在应用上实现了数据价值的“重组式”创新,进一步提高了公共数据融合与流通的服务质量及效率。

在技术方面,具有四大创新和突破。首先,平台基于多方安全计算和可信联邦学习双引擎设计,保证了数据安全性的同时又保证了模型精确度;其次,支持跨平台间互联互通,目前支持多个厂商隐私计算平台的无缝对接;第三,应用无可信第三方联邦学习(Non-3rd Party FL)技术,较大程度上提升了算法的性能;最后,算法容器框架设计,使算法可以在计算框架内自定义设计、实现和执行。

在应用方面,该平台上线后以「数据可用不可见、计算可信可链接、用途可控可计量」为原则,促进政府数据的开放共享,加强数据资源整合和安全保护,释放公共数据资源价值。一是在技术和业务两个层面实现了跨域数据开放融合业务应用全生命周期安全保障;二是外部公共数据分布式统一访问应用机制,在保障各接入方数据安全的前提下,实现外部公共数据分布式访问和对异构应用访问的适应性;三是良性闭环的数据价值链生态,突破跨域数据壁垒,打通跨域数据的应用价值链,使得数据基于业务应用需要在各个企业之间安全地共享和流通;四是通过构建「公共数据隐私计算平台」底座,加快推进数据在数字金融、智慧城市等领域的场景应用和生态建设。


本文由转载于互联网,如有侵权请联系删除!