数据要素流转与数据内外循环
- 数据流转链路主要包括:采集、存储、加工、使用、提供、传输
数据外循环中的问题
- 安全风险问题
- 数据权属问题
信任的解决方案: 从主体信任到技术信任
数据要素流通对隐私计算的期望
三原则:
- 原始数据不可域、数据可用不可见
- 数据使用可控可计量
- 数据可算不可识
第2期笔记
2024-03-20
39
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
该文探讨数据要素的流转，包括采集、存储、加工等环节，以及数据外循环中面临的安全风险和权属问题。为建立信任，提出从主体信任转向技术信任。在数据流通中，期望实现原始数据不可见、使用可控可计量及数据可算不可识的隐私计算原则。为此，倡导通过开源降低门槛，以促进数据的安全流通。
目录
相关文章
|
6月前
|
运维
安全
网络安全
第1期笔记
该文探讨了数据可信流通的重要性和体系，强调从运维信任转向技术信任。关键点包括：建立身份确认、利益依赖、能力预期和行为后果的信任基石；确保数据在持有方的安全区域内循环的责任机制；以及通过可信数字应用身份、跨域使用权管控、能力预期平衡和全链路审计来实现技术信任。其中，全链路审计和密态数联网（如隐私计算）是构建闭环数据可信流通体系的关键支撑技术。
73
0
0
|
6月前
|
机器学习/深度学习
算法
安全
第3期笔记
隐语架构包括产品层、算法层、计算层、资源管理层和硬件层。产品层旨在降低终端用户和集成商的成本，主要产品有SecretPad、多形态部署和SecretNote。算法层聚焦于PSI/PIR协议，提供高性能、轻量级解决方案，以及Data Analysis - SCAL，用于密态数据分析。联邦学习部分关注安全攻防和混合机器学习。计算层包括混合编辑调度框架RayFed和SPU，SPU提供密态计算能力，HEU是高性能同态加密库，而TEEU是可信执行环境相关的技术。资源管理层的Kuscia负责资源管理和任务调度。硬件层涉及互联互通和跨域管控，确保数据安全和流转控制。
69
0
0
|
关系型数据库
MySQL
数据库
|
XML
移动开发
JavaScript
|
安全
iOS开发
C++
|
安全
C++
|
编译器
C++
|
C语言
C++
|
C++
|
存储
C++