1、数据要素流通中的关键主体，以及各自的忧虑
关键主体至少有3个：数据提供方、数据消费方、数据平台方。
1.1 数据提供方
最担心的是如下几点：
• 商业秘密和个人隐私保护；
• 数据使用权力的控制；
• 数据安全和合规；
如果数据被数据消费方拷贝走，让数据价值迅速降低；如果用在非合规场景，则要付连带责任；
1.2 数据消费方
最担心的是如下几点：
• 数据提供方的数据是否有足够的授权链；
• 数据使用是否合规；
1.3 数据平台方
数据平台方，是为了解决数据提供方和数据消费方的疑虑出现的。
主要提供的核心价值：
• 主体审核
• 数据源授权链路审核
• 场景合规评审
• 数据使用过程中的商业秘密保护；
• 在数据交易中不失去对数据的控制；
在第一阶段，数据平台方主要靠【主体可信】，往往是国有企业身份。但这是不够的，要逐渐从【主体可信】向【主体可信+技术可信】发展。
2、技术可信的关键技术
2.1 数据可用不可见
主要是通过数据转为密态计算来实现，隐私计算是解决这一问题的关键技术。
2.2 数据可控可计量
可以通过数据空间技术+区块链技术实现。数据空间技术可以参考IDSA的相关资料。区块链技术主要用于数据使用记录的存证。
2.3 数据可算不可识
主要通过数据匿名化实现，比如手机号通过加盐+sha256等方式转为非明文。
第2讲 隐私计算开源如何助力数据要素流通
2024-06-05
78
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。
本文涉及的产品
简介：
数据流通涉及关键主体：数据提供方关注商业秘密、个人隐私、数据控制与安全；数据消费方关注授权链与合规性；数据平台方提供主体审核、授权链审查、合规评审及商业秘密保护，初期依赖主体可信，需逐步转向技术可信。关键技术包括隐私计算实现数据可用不可见，数据空间+区块链确保数据可控可计量，以及数据匿名化实现可算不可识。
相关实践学习
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品，是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法，从场景到实践，体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库，助力开发者学习了解先进的技术栈，并能在实际业务中敏捷的进行大数据分析，赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景，可应用MaxCompute实现数仓搭建，快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理，需要搭建数据仓库？学它！ 没有足够人员和经验来运维大数据平台，不想自建IDC买机器，需要免运维的大数据平台？会SQL就等于会大数据？学它！ 想知道大数据用得对不对，想用更少的钱得到持续演进的数仓能力？获得极致弹性的计算资源和更好的性能，以及持续保护数据安全的生产环境？学它！ 想要获得灵活的分析能力，快速洞察数据规律特征？想要兼得数据湖的灵活性与数据仓库的成长性？学它！ 出品人：阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps
目录
相关文章
|
6月前
|
存储
供应链
安全
|
6月前
|
存储
运维
安全
课2-隐私计算开源如何助力数据要素流通
数据要素市场关键在于数据的内外循环，其中外循环面临数据权属、信任等问题。为解决这些问题，需建立基于区块链、可信计算的安全技术信任体系，并借助隐私计算保证数据流通时的隐私性。隐私计算遵循数据不可见、使用可控及不可识的原则，通过开源降低流通门槛。隐语作为开源隐私计算平台，具备统一架构、开放拓展、原生应用和高性能等优势，助力数据要素安全流通。
83
0
0
|
6月前
|
安全
隐私计算开源如何助力数据要素流通
这一讲的第一部分对上一讲中提到的，数据流转中的利益对齐和安全焦虑问题进行补充:[第2讲：隐私计算开源如何助力数据要素流通](https://www.bilibili.com/video/BV11p421U73N/)。
87
0
0
|
1月前
|
人工智能
安全
大数据
CDGA|数据要素与数据安全：携手构建可信数据生态的深远探讨
数据要素与数据安全是数字经济时代不可分割的双生子。只有在保障数据安全的前提下，才能充分发挥数据要素的价值，推动数字经济持续健康发展。构建可信数据生态，需要政府、企业、社会组织及广大公众的共同努力，形成合力，共同应对挑战，共创数字经济的美好未来。
64
0
0
|
5月前
|
机器学习/深度学习
自然语言处理
监控
金融行业的大数据风控模型：构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率，通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例，展示了从数据预处理到模型训练、评估的过程，并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术，并提供基础的代码实现概念。【6月更文挑战第23天】
872
8
8
|
6月前
|
安全
区块链
数据安全/隐私保护
隐私计算实训营 第1期-第2讲 隐私计算开源如何助力数据要素流通
本文探讨了数据要素流通中的三个关键主体——数据提供方、数据消费方和数据平台方的忧虑。数据提供方关注商业秘密、个人隐私、数据使用控制及安全合规；数据消费方则担忧数据授权链和合规使用；数据平台方旨在解决双方疑虑，提供主体审核、授权链路审核、合规评审等服务。技术可信是关键，涉及隐私计算（数据可用不可见）、数据空间与区块链技术（数据可控可计量）以及数据匿名化（数据可算不可识）等。
124
2
2
|
6月前
|
存储
安全
数据安全/隐私保护
隐语实训营-第2讲：隐私计算开源助力数据要素流通
数据要素大潮带来了全新的数据安全外循环技术挑战，即信任焦虑，需要从主体信任逐渐转向技术信任。面对这些挑战，隐私计算需要不断丰富其内涵，不断标准化其产品能力的度量尺度，不断降低接入门槛。而开源隐语具有技术优势和专业的安全验证，获得过多项权威认定和荣誉，极大地推动了行业标准化及生态建设。
104
1
1
|
6月前
|
运维
安全
网络安全
隐私计算实训营 第1期-第1讲 数据要素化要解决的两个问题
数据联合计算和数据可控流通是数据要素化要解决的两大问题。从数据内循环到外循环，原有的安全技术手段失效，需要有新的技术方案。云底座+隐私计算+数据空间是解决数据外循环可以考虑的技术手段。
80
1
1
|
6月前
|
数据采集
运维
安全
|
6月前
|
存储
运维
安全
隐语学习2024-03-19 ----------隐私计算开源如何助力数据要素流通
该内容讨论了数据要素的流转与内外循环，强调了数据持有方在内循环中的全责以及在外循环中仍需保持管控。数据外循环带来了信任焦虑，如隐私泄露、运维可信性、数据使用合规性等问题。为解决这些问题，提出了三权分置的数据归属概念和完备的信任链技术，包括隐私计算和区块链等。隐私计算期望实现数据可用不可见、可控可计量和可算不可识的原则。开源隐私计算项目如隐语，以其统一架构、开放扩展性、原生应用和高性能，有望促进数据要素的安全流通。
51
0
0
热门文章
最新文章
1
Java 生成 UUID
2
一文读懂 Serverless 的起源、发展和落地实践
3
Fiddler抓包：下载、安装及使用
4
用CodeViz绘制函数调用关系图(call graph)
5
阿里AI上岗双11服装车间，能识别头发丝直径十分之一的瑕疵
6
SpringBoot开发案例之整合Dubbo提供者(一)
7
Dubbo架构介绍
8
警惕垃圾邮件借加沙新闻进行钓鱼攻击
9
美国博客刊文发布NetApp StoreVault停产通知
10
IntelliJ IDEA 12 创建Web项目 教程 超详细版
1
通义灵码与云计算平台的融合：基础与概述
37
2
《深度解析：死锁的“前世今生”与防范之道》
33
3
《探秘程序崩溃：核心转储（Core Dump）分析全攻略》
37
4
今日 AI 开源｜共 12 项｜开源的DIY健康追踪项目，基于低成本的智能戒指构建私人的健康监测应用
41
5
Open Interpreter：AI 赋能终端！在终端中对话AI模型进行编程，通过运行代码来完成各种计算机操作任务
35
6
「Mac畅玩鸿蒙与硬件15」鸿蒙UI组件篇5 - Slider 和 Progress 组件
41
7
ai断点怎么做?
16
8
AI Shell：在命令行里“对话” AI ，微软推出将 AI 助手引入命令行的 CLI 工具，打造对话式交互命令行
22
9
ai怎么设计迷宫字体效果?
15
10
「Mac畅玩鸿蒙与硬件14」鸿蒙UI组件篇4 - Toggle 和 Checkbox 组件
30