什么是蚂蚁隐私计算服务平台 – 阿里云教程

蚂蚁隐私计算服务平台(Ant Privacy-Preserving Computation Platform,简称 AntPPC)是基于联邦学习(Federated Learning,简称 FL)、多方安全计算(Secure Multi-P

蚂蚁隐私计算服务平台(Ant Privacy-Preserving Computation Platform,简称 AntPPC)是基于联邦学习(Federated Learning,简称 FL)、多方安全计算(Secure Multi-Party Computation,简称 MPC) 、隐私求交(Private Set Intersection,简称 PSI)、可信执行环境(Trusted Execution Environment,简称 TEE)、差分隐私(Differential Privacy,简称 DP)等隐私数据保护技术,在保护隐私信息的前提下,实现数据价值分析与挖掘的隐私计算服务。

蚂蚁隐私计算服务平台包含联邦建模、多方安全建模、多方安全分析、隐私求交和管理控制台五个部分,提供了数据联合分析、隐私求交、模型训练、模型评估、模型预测和集中管控核心资源等功能。蚂蚁隐私计算服务平台遵循对等开放、安全为先的理念,实现了关键信息脱敏处理、关键信息分散存储以及数据传输端到端加密,保证了数据可用不可见,满足用户在数据合作中对安全、合规、隐私保护的强诉求,坚持为数据合作的各方建立可信、公允的加工和应用环境,通过数据促进业务发展和创新应用。

目录

产品优势

  • 专业

    使用的隐私计算技术符合中国人民银行发布的《多方安全计算金融应用技术规范》,并获得**金融科技测评中心首批金融应用技术测评认证。

  • 安全

    集成密码学、机器学习技术和加密硬件等多种安全方案,打破数据孤岛,不暴露各参与方敏感数据,实现数据可用不可见,满足安全、合规的需求。

  • 自主高效

    提供一站式端到端的应用服务开发平台,通过可视化交互的方式,实现数据价值的分析与挖掘。

组件介绍

使用对象

组件名称

功能

机构资源管理员

管理控制台

集中管控核心资源并配置蚂蚁隐私计算服务平台各类项目。

数据应用开发者

联邦建模

原始数据不离开本地的前提下,完成模型的研发和效果评估,实现模型迭代和更新。

多方安全建模

原始数据不离开本地的前提下,通过交换信息量实现协同完成模型训练和预测。

多方安全分析

原始数据不离开本地的前提下,利用安全加密的方法将多方数据进行联合分析。

隐私求交

不泄露多余信息的同时,解决数据合作的各参与方获取和分析数据求交结果的需求。


评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注