乐趣区

联邦学习标准发布-百度安全参与制定

【导读】:2020 年 7 月 9 日,对于联邦学习的个人规范—《基于联邦学习的数据流通产品技术要求与测试方法》首次公布,百度作为次要参加拟订单位参加了规范的制订及公布。

2020 年 7 月 9 日,对于联邦学习的个人规范——《基于联邦学习的数据流通产品技术要求与测试方法》首次公布,百度作为次要参加拟定单位参加了规范的制订及公布。

此次规范由中国通信标准化协会提出并归口,中国信息通信研究院、北京百度网讯科技有限公司等十余家单位及企业参加了规范的拟订工作。标准规定了基于联邦学习的数据流通产品必要的技术要求及相应的测试方法,实用于基于联邦学习的数据流通产品的研发、测试、评估和验收等场景。

中国通信标准化协会于 2002 年在北京成立,负责组织信息通信畛域或国家标准、行业标准及个人规范的制订正工作,承当国家标准化治理委员会、工业及信息化部信息通信畛域规范归口管理工作。此次规范的公布,标记着联邦学习这一技术将向着更加成熟化、标准化、产业化的方向倒退,为今后各界共建联邦生态打下坚实基础。

至目前,百度平安联邦计算已参加了多项国内、国际标准的定制工作,包含 TC260 国家标准——《信息安全技术数据脱敏产品安全技术要求和测试评估办法》(在研);TC601 行业标准——《基于多方平安计算的数据流通产品技术要求与测试方法》、《数据脱敏工具技术要求与测试方法》(在研);相干国际标准——IEEE P2842《Recommended Practice for Secure Multi-party Computation》(在研),在数据安全和隐衷爱护技术方面建设了多维度行业影响力。

百度平安联邦计算 联邦学习畛域新摸索
在大数据市场倒退迅猛,国家法律法规逐渐健全,监管从严的大潮下,通过数据安全技术实现跨机构数据安全单干已成为行业广泛共识,与此同时,促成数据安全流通共享,进一步开释数据价值,减速数据单干共赢也成为行业刚需。
在此基础上,百度平安推出联邦计算平台,致力打造更平安的数据单干体验,为跨机构数据单干提供联结剖析、联结建模等隐衷平安能力,为联邦学习的大规模工业化落地提供产品技术解决方案。

什么是百度平安联邦计算?

百度平安联邦计算(Baidu Federated Computing, BFC),高效交融多方平安计算(Secure Multi-Party Computation,MPC 或 SMC)、可信执行环境(Trusted Execution Environment,TEE)、差分隐衷(Differential Privacy,DP)和数据脱敏(Data Masking)等多种当先数据安全和隐衷爱护技术,可在各方数据不出域的根底上进行联结计算,获取各方所需的计算结果,全力打造跨组织数据单干“可用不可见,相逢不相识”的极致平安服务体验。

目前,百度平安联邦计算已在联结营销等多个场景实现最佳实际,将来,亦将持续打磨平安可控、分布式计算的产品能力,深耕广告、政务、金融、医疗、工业等重点垂直畛域,深入与 ABC、边缘计算、区块链在资源、产品、解决方案方面的协同,更好的满足业务需要。

退出移动版