一文了解隐私计算和工业安全数据保障

本文为矩阵元产品创新总监余哲在“2021苏州高新区区块链产业发展峰会暨万向区块链苏州研究院启动仪式”上的演讲内容。本次大会聚焦区块链在工业互联网领域的赋能和创新,余哲从隐私计算的角度,深度解析了隐私计算在工业互联网中发挥的作用和价值。以下内容整理自现场速记稿。各位尊敬的领导、来宾大家下午好,我是矩阵元的余哲。刚才王允臻王总提到分布式认知工业互联网的整体框架包含了区块链、隐私计算和知识图谱,矩阵元是专注于做隐私计算和区块链的一家技术公司,接下来我会从隐私计算这个微观层面给大家做个简单的汇报。

今天的主题是工业互联网,我们先从工业互联网入手,寻找一下隐私计算技术在工业互联网中的机会在哪里。工业互联网在去年被纳入中国的新基建,从目前的规划来看,将会有近50万亿的投资进入新基建。工业互联网作为新基建的重要组成部分在今后几年将会有非常大的发展。工业互联网首先实现的是“互联”。物联网、5G通信、边缘计算、云计算等这些技术都是为了帮助万物能够以更高的效率、更低的成本去实现互联。实现互联只是一个基础,互联之后的数据能够在互联的平台上流动,通过对数据的价值挖掘、建模和分析,最终发挥数据在数字经济时代的最大价值。

韩国游戏巨头Wemade将推出综合性区块链项目WeKonomy:12月18日消息,韩国游戏巨头Wemade将推出综合性区块链项目WeKonomy。该项目将包含通过抵押品发行稳定币的项目Kurrency(计划2023年Q1推出)、DEX Konverter(计划2023年Q2推出)、去中心化衍生品交易平台Wezard以及NFT市场Weshlist。

Wemade表示,WeKonomy最初将基于Klaytn,并将扩展至以太坊Layer2网络、WEMIX3.0等链。(PRNewswire)[2022/12/18 21:52:03]

工业互联网平台是新基建的核心,而工业大数据是工业互联网平台的核心。因为工业大数据承载着从数据的采集、加工到集成,再到后面的建模分析和最后向顶层服务进行决策支撑的能力。今年有很多相关的工业互联网、工业大数据落地的成功案例,包括我们智能制造供应链优化和工艺设计都通过工业大数据获得了不错的发展。目前,工业大数据大多都是单点的或局部的,实现的只是内部流程优化的效果。

Ultimate Champions完成400万美元战略融资:11月15日消息,Web3体育游戏平台Ultimate Champions完成400万美元战略融资,Binance Labs参投。据悉,Ultimate Champions是一个完全免费的跨联盟梦幻体育平台,拥有作为NFT托管的官方授权数字卡。Ultimate Champions将部署在BNB链上。[2022/11/15 13:07:32]

工业互联网最难的是如何打破现有的工业互联网数据孤岛,实现数据隐私保护和数据价值挖掘。这个现在看起来相当矛盾的点,矛盾在哪里?现在,越来越多的人认为数据即资产。数据被提供后是否会被无限复用,数据资产是否会被盗用,这对于企业来说数据开放带来的成本可能远大于收益。我们今天讨论的是如何能够保证企业在做数据共享的时候,依然对数据拥有安全保护。

迅雷上线唐伯虎《玉玦仕女图》数字藏品:据官方消息,6月17日,迅雷旗下数字藏品平台非同数艺上线明代唐寅 《玉玦仕女图》。藏品已在非同数艺上开启预约,将于17日上午11时正式开售,限量发售3550份。仕女图是唐寅的擅长画作,其画的人物肖像图大多为仕女及历史故事,师承唐代传统,线条清细,色彩艳丽,体态优美。非同数艺上的数字藏品均基于迅雷链技术铸造生成。[2022/6/15 4:27:49]

针对前面讲到关于数字价值挖掘和隐私保护的矛盾,我们提出了隐私保护计算。其实隐私保护计算比区块链更容易从字面上理解,第一就是保护数据的隐私,第二在数据隐私保护的前提之下,数据还能计算,因为计算才能带来价值。信通院定义的隐私计算比较拗口,我们简化一下:隐私计算是在技术上实现了数据的可用不可见,在保证数据隐私的情况下实现数据的流通。从传统的数据交互来说,我拥有明文数据,数据使用方用我的数据进行商业应用。通过隐私计算、多方安全计算、同态加密等技术,能够实现数据本身的所有权、使用权和执行权的三权分离,在使用过程中通过授权访问的形式来实现数据的流转。

Fswap遭受黑客攻击,目前正配合Certik处理黑客问题:据官方消息,Fswap于6月13日22:08分遭受黑客攻击,目前Fswap正在和Certik积极配合处理黑客问题,目前与黑客方尝试通过区块链进行加密沟通,但黑客方加密信息出现错误,正在尝试继续沟通。这次为非被攻击项目漏洞事件,是恶意借贷攻击事件,黑客从BISWAP借贷至FSWAP进行交易攻击,FSWAP通过certik全合约审计,我们正在与certik沟通配合进行处理,更多消息请持续关注Fswap官方推特。[2022/6/14 4:23:58]

由于时间关系,我简单介绍两个案例。

第一个是多方联合建模。我们举个现在金融行业用得比较多的例子,比如两家银行和互联网企业,银行一般用的是信贷数据,互联网企业用的是用户行为数据,其实通过这些数据的融合可以提升银行信用评分等级的能力。在这个大家对数据主权意识逐步提升的时代,数据安全法和信息保护法等相关法规相继出台,企业之间难以将明文数据给到外部机构。而通过安全计算、隐私计算等密码学技术,能够在数据不出域的情况下,实现多个参与方之间的数据联合建模,最终达到对数据整体价值的挖掘。

另外一个就是安全模型的应用。这个案例更加直观一点,一方拥有数据,一方拥有模型,这种情况下其实数据拥有方和模型拥有方都希望能够保证自己的资产价值和安全。模型也是一种数据资产,需要保证自己资产不被窃取,通过多方安全计算能够实现数据拥有方和模型拥有方在不透露自己数据资产的前提下输出一个基于AI模型的预测结果,最终服务到数据的使用方。以上是两个关于隐私计算在金融行业的场景,工业互联网平台正在逐步完善,随着场景和数据的积累,这些金融场景的应用经验可以为工业互联网与隐私计算平台的结合提供参考价值。

隐私计算的诸多好处是近两年才逐渐被提出来的。关键性的技术、研究,从孕育到走出实验室再到商业化落地都有一个漫长的过程,蒸汽机和电能实现大规模商用用了将近50年。随着数字化技术水平的提升,这种核心技术、关键技术的商业化落地进程会有一定的缩短。从姚期智先生1982年首次提出隐私计算,到现在将近40年,已经有越来越多的企业开始使用隐私计算做一些商业项目的落地和POC。在这方面,矩阵元的目标是凭借我们这么多年在技术上的打磨积累,为我们的上层应用和业务方提供一个基础设施,让大家可以不需要特别懂密码学或了解隐私计算是什么就能够很好地应用这个技术。

技术只有服务于商业才有价值。矩阵元在技术积累的同时,推进应用实践。我们从2018年开始和武汉大学在一些社会地理研究、遥感项目上进行合作,同时也和国内外一些知名大学一起在隐私计算的算法上做了大量的投入和研究。今年1月份,我们与万向区块链联合发起上海数据隐私安全计算重点实验室。技术需要商业环境的孕育,才能够走向真正的推广,这两步我们都会持续地做推进。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

银河链

FIL科普:联邦学习的分类和应用场景

前言 上一篇我们讲述了人工智能,机器学习与联邦学习的关系。这篇我们将继续探索联邦学习方法的分类。联邦学习方法被分为横向联邦学习、纵向联邦学习和迁移联邦学习三类,适用于解决不同的实际问题.

[0:0ms0-1:670ms