【报名进展】上周「隐私计算线上慕课-课代表」招募，一经发起就收到了同学们踊跃的报名，发布当日导论、概念基础、框架基础模块课代表名额就抢占一空！目前仅剩余少量课程还有报名机会，点击跳转回顾课代表权益，抓紧报名吧！

【本周上新】响应同学们热烈的学习反馈，目前21门课程已全部开放共享，点击文末阅读原文即可直达课程合集！本周课程关键词：多方安全数据分析、可信密态计算、Occlum、系统攻防、算法攻防、隐语泛金融实践案例、隐语框架设计思想、隐语密态计算设备SPU。

<左右滑动查看更多>

【学习分享】下周起，已经成功报名的课代表就将在学习交流群，陆续开始分享自己的学习笔记！今天选取部分标杆笔记先睹为快～点击文末阅读原文，前往课程合集，评论区可获取完整笔记。

推荐官：傅阳

从事数据挖掘相关工作 对数据和算法都有接触推荐课程《隐私保护技术全局概览》学习感受：本课程前半段很好地阐述了隐私计算技术兴起和发展的背景，并介绍了三种不同维度的隐私计算技术，包括去中心化的多方安全计算技术、基于联合学习思想的联邦学习和拆分学习技术，以及基于可信硬件的集中式机密计算技术，进而搭配给出三种类型技术的区别与优劣，从而能够很快地对现有的隐私计算技术体系形成全局认知。推荐官：吴豪奇

软件工程专业毕业 目前从事安全算法相关工作推荐课程《隐私计算基础理论：同态加密》学习感受：洪澄老师用十分凝练但是不乏生动的语言介绍了同态加密技术，对同态加密的定义以及功能进行了比较好的阐释。此外，对现有的同态加密方案以及未来的研究方向进行了很好的介绍以及总结。尤其印象深刻的是老师在介绍同态加密的packing和bootstraping两个关键计算时，用举例子的方式来辅助理解，解答了我之前对于这部分未能完全理解的地方。拓展推荐：技术展望章节老师提到了格密码，推荐参考资料《A Survey on Homomorphic Encryption Schemes: Theory and Implementation》、《A Survey on Fully Homomorphic Encryption: An Engineering Perspective》、《A Guide to Fully Homomorphic Encryption》推荐官：周启贤

从事隐私计算安全攻防相关工作推荐课程《隐私计算基础理论：安全求交集和匿踪查询》学习感受：整门课程的逻辑和对技术的分类都特别清晰，整体介绍了PSI和PIR技术，老师从定义、高层的设计思想、具体的基础协议、进一步的挑战、目前的技术前沿做了非常丰富和全面的讲解。特别是PSI部分的讲解，从PSI最朴素的hiding思想出发，然后介绍了具体的协议是如何做hiding的，以及各种协议的优缺点、性能都有分析。再到针对PSI结果的进一步处理，给出了很多前沿的PSI协议，例如：DP+PSI等协议。学习建议：个人认为对于稍微有一定的PSI基础的同学来说，这份课程也许是现有PSI课程中非常高质的。入门和高阶学习者皆宜。对于想要深入PSI前沿技术的同学，课程也给出了很多具体的参考文献，供大家研读细节。推荐官：范晓宁

信息安全专业毕业 目前从事算法相关工作推荐课程《隐私计算基础理论：零知识证明》学习感受：整体上逻辑很顺畅，老师功底深厚，听下来感觉收获很大。开篇银行的例子很好地帮助了理解为什么需要零知识证明，总体来讲前三章的内容偏向概念科普，并且从第四章起老师旁征博引的内容逐渐增加学习曲线也随之逐渐提升。学习提示：个人学习过程中在sigma协议性质部分产生了疑问，应该是证明者先发statement a，验证者再发挑战e，为什么和simulator交互的时候，验证者给出任意的e，simulator可以模拟出完整的a，e，z ？此疑问在老师讲解“计一个零知识证明协议”章节得到了解答，和我产生同样疑问的同学们可以关注下。推荐官：吴豪奇

软件工程专业毕业 目前从事安全算法相关工作推荐课程《隐私计算基础理论：差分隐私》学习感受：老师对于差分隐私的介绍覆盖面比较全，对于差分隐私的定义、敏感度、噪声的几种机制、替换定义、差分隐私的组合进行了比较详细的介绍。尤其是对敏感度和组合性，提供了相对细致的描述。拓展推荐：http://sigmod2017.org/wp-content/uploads/2017/03/04-Differential-Privacy-in-the-wild-1.pdf推荐官：梁通

对密码学有基础了解 目前从事安全方面AI算法工作推荐课程《隐私保护机器学习：基于多方安全计算的机器学习》

学习感受：此门课程对多方计算基础背景和算法做出了清晰的介绍，课程组合高效且逻辑顺畅。介绍了秘密分享，同态加密基本概念。通过对协议优化的介绍，对近年来针对稀疏矩阵比较高效的多方安全矩阵算法发展进行了介绍。在机器学习方向上对多方安全逻辑回归、树模型和K-means进行了介绍。通过基础算法很好地解释了多方计算在特点以及和传统机器学习的差异。

推荐官：叶文滔

有算法攻防背景 在数据分析方面比较有经验推荐课程《机密计算与可信执行环境》

学习感受：夏老师讲课有铺垫、有实例，现实场景与学术融会贯通得很棒，还有一些风趣幽默的表述，我作为第一次接触TEE概念的同学听老师讲课也没有什么障碍。建议听课的同学们先看《联邦学习》的课程，对机密计算产生的背景可能会有更透的理解。

拓展推荐：https://dl.acm.org/doi/abs/10.1145/3007788.3007790

推荐官：刘谦

信息安全专业 了解隐私计算概念推荐课程《高性能多方安全数据分析MPC SQL》

学习感受：课程整体思路很流畅，适合零基础快速了解多方安全数据分析的基本方案。课程从两个多方数据联合分析案例入手，介绍了背景和需要解决的问题。之后介绍了MPC SQL的基本概念、架构、工作原理以及目前支持的功能。也介绍了该领域的三个主要挑战：性能/扩展性问题、数据滥用问题、异构数据源问题。

推荐官：姜建林

了解Occlum有一定密码学、安全攻防知识背景推荐课程《Occlum的框架概览和设计思想》

学习感受：总体来说，这个课程适合技术同学入门安全计算和了解Occlum。老师首先介绍了机密计算和Intel SGX技术能解决的问题和原理。因为直接开发SGX程序存在着种种问题，例如需要分割安全区、重构程序等，由此引出了Occlum这一运行在SGX可信环境下的libos。老师从架构和使用方法等方面带领读者入门Occlum，并介绍了Occlum性能优化方面的进阶内容。

推荐官：刘谦

信息安全专业 了解隐私计算概念推荐课程《隐私计算安全攻防：系统攻防》

学习感受：课程分为三个部分讲述了在隐私计算中系统安全为什么重要、涉及哪些内容、如何做好系统安全。课程整体以概念介绍为主，有利于很好地启发开发者对于系统安全的重视、扩展思考系统安全问题的思路和视野。在why模块，课程从一些实际的例子开始讲起，分别介绍了和数据加密、机密计算、机器学习相关的系统安全案例；在what模块，关于系统安全的威胁划分，清晰易懂；在how模块，主要介绍了针对各种安全威胁相关的技术手段。

推荐官：邹沛成

有良好的数学基础 在数据算法方面也有丰富的工作经历推荐课程《隐私计算安全攻防：算法攻防》学习感受：课程整体难度适中，对于入门同学来说也能够理解到背景和结论，有科普价值，对于专业工程师和研究者来说，老师也分享了很多相关的论文和研究工作的指引。课程主要分为两大部分的认知。第一大部分介绍AI模型的安全相关概念和工作，包括鲁棒性、可信模型、分析方法等。第二大部分聚焦工业界中联邦学习中的垂直联邦学习，进行了学术和工业界的现状概述，和攻防方法（label inference attacks相关）的介绍。拓展推荐：Adversarial Attacks on Neural Networks for Graph Data: https://arxiv.org/abs/1805.07984 纪老师举了图像，语音和文本的例子，这里推荐补充一下对于图模型的攻击的一些例子；Vertical Federated Learning: Challenges, Methodologies and Experiments. https://arxiv.org/abs/2202.04309 对于垂直联邦学习的背景补充。推荐官：黄源清

了解联邦学习更多 目前主要从事深度机器学习推荐课程《隐语框架概览及设计思想》《使用隐语开放平台 无门槛实践隐私计算》学习感受：从科普性的角度来看，《隐语框架概览及设计思想》课程总体来说易懂易理解，对于我这种之前没有怎么接触到隐语的学员来说，完成门课程的学习后也对隐语本身有了一个总体的认识，包括对于隐语的简单使用和原理。《使用隐语开放平台 低门槛实践隐私计算》这门课程从隐私计算的角度切入隐语开放平台及其