## golang 在隐私计算平台建设中的实践 刘敬 杭州趣链科技有限公司 2021-10 ## 目录 01 隐私计算介绍 02 隐私计算平台架构 03 构建隐私计算算法框架的实践 04 一些优化技巧 ## 01 隐私计算介绍 ## 隐私计算概念 隐私计算（Privacy preserving computation）是指在保证数据提供方不泄露原始数据的前提下 9/p4_1.jpg) 数据使用方 ## 隐私计算背景 国内外纷纷出台了围绕数据使用和保护的公共政策 欧盟出台的《通用数据保护条例》（GDPR）于2018年5月正式实行，加强对欧盟境内居民的个人数据和隐私的保护。 2021年7月，美国统一法律委员会通过了《统一个人数据保护法案》（UPDPA），明确提出了数据处理相关禁止行为，确立了个人数据保护的重要地位。 2021年6月10日，《中华人 2021年8月20日，十三届全国人大常委会表决通过《个人信息保护法》，规定任何组织、个人不得非法收集、使用、加工、传输他人个人信息，不得非法买卖、提供或者公开他人个人信息。该法自2021年11月1日起施行。 ## 隐私计算历史 1986年姚期智提出 基于混淆电路的通 出百万富翁问 2013年Intel推出SGX指 1982年姚期智提 题，安全多方计 用解决方案 2016年发布的《隐私计 算概念被提出 令集扩展，提供软硬件算研究范畴及发展趋势》

- 如何使用 - Crypto - 数据隐私保护 - 机器学习算法 - 纵向联邦学习 团队 - 我们的团队 参与开发 - 参与开发&测试 参考文献 - 参考文献 ## 系统介绍 PaddleDTX，是一个基于去中心化存储的专注于分布式机器学习技术的解决方案，攻克海量隐私数据的安全存储问题，并且实现多方数据的安全交换，助其突破数据 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习和纵向联邦学习算法 - 支持多个学习过程并行运行的多方安全计算框架，集成多种横向联邦学习和纵向联邦学习算法 • 安全存储高敏感数据，防止隐私泄漏，支持故障容错，抵御存储作弊 - 去中心化管理存储节点，支持无上限数据纳管 • 保证多方数据联合建模的全链路可信 ## 架构概览 PaddleDTX由多方安全计算网络、去中心化存储网络、区块链网络构建而成。 联邦学习、横向联邦学习算法。 ### 1.2 去中心化存储网络 数据持有节点将自己的隐私数据进行加密、切分、副本复制后分发到存储节点，存储节点通过应答数据持有节点的挑战证明自己持有数据分片。通过这些机制，实现了在不泄漏隐私的前提下充分且安全地利用存储资源。 训练样本和预测数据集往往是归属于不同机构的隐私数据。这些机构可以作为数据持有节点加入到去中心化存储网络中，通过多方安全计算网络发挥数据的最大价值。

加微信时烦告知尊姓大名 ## 作用 ➢都以为自己在做正常的事情， 系统却出问题了 ➢ 强制封装保护信息完整性 条件语句？泛化？不重要了 对象  状态保护 逻辑内移 ## 作用 专家原则、可视原则 减少get/set Open 接口变简单