FedCM 联合登录隐私与兼容:身份选择、权限提示与回退策略 使用 Federated Credential Management(FedCM)实现隐私友好的联合登录,覆盖身份选择与权限提示、浏览器兼容与回退策略,提供可验证的登录成功与用户体验指标 隐私计算 2026年04月30日 0 点赞 0 评论 193 浏览
FedCM:第三方登录与隐私保护 使用 FedCM 在浏览器中完成联合登录流程,减少跨站跟踪风险与 iframe 依赖,涵盖配置、交互与兼容策略。 隐私计算 2026年04月30日 0 点赞 0 评论 188 浏览
差分隐私的噪声机制与联邦学习隐私预算管理 深入解析差分隐私的数学基础与三种噪声注入机制,剖析DP-SGD的训练流程、RDP隐私会计、联邦学习异构预算分配及自适应裁剪等前沿工程实践 隐私计算 2026年09月20日 0 点赞 0 评论 118 浏览
机密计算实战:Intel TDX / AMD SEV-SNP / GPU TEE 的硬件级隐私保护生产部署 深入解析机密计算三大硬件可信执行环境——Intel TDX、AMD SEV-SNP 和 NVIDIA GPU TEE,涵盖架构原理、远程证明协议与生产环境中的容器化部署实践 隐私计算 2026年09月20日 0 点赞 0 评论 95 浏览
联邦学习与差分隐私协同设计:从分布式模型训练到隐私保护推理的系统架构 深入解析联邦学习与差分隐私的协同设计:从FedAvg基础架构到DP-SGD引擎实现,涵盖安全聚合协议、Paillier同态加密、RDP矩会计师事务所、以及NVIDIA FLARE和Flower生产框架 隐私计算 2026年09月21日 0 点赞 0 评论 94 浏览
机密计算与可信执行环境(TEE)深度解析:Intel TDX、AMD SEV-SNP、GPU TEE与远程认证协议 深入解析机密计算技术体系,涵盖Intel TDX、AMD SEV-SNP、NVIDIA GPU TEE三大硬件平台,详细阐述远程认证协议工程实践(IETF RATS/EAT/CoRIM)、主流机密计算框架(Constellation/Occlum/EGo/CoCo),以及联邦学习、密钥管理、AI模型保护等场景落地。 隐私计算 2026年09月21日 0 点赞 0 评论 107 浏览
远程证明协议工程深度实战 — 从 TEE 到隐私保护 AI 推理的信任链构建 深入解析远程证明协议的工程挑战与实战经验,涵盖 AMD SEV-SNP、Intel TDX 的证明流程、证书链验证、新鲜性保证、以及在隐私保护 AI 推理中的应用实践。 隐私计算 2026年10月02日 0 点赞 0 评论 111 浏览
安全多方计算工程实践:从零构建隐私保护协作系统 深入解析安全多方计算(SMPC)核心密码学原语与现代工程框架,涵盖Shamir秘密共享、混淆电路、茫然传输的工程实现,对比CrypTen、MP-SPDZ等主流框架,详解性能优化三大策略(离线预处理/函数近似/GPU加速),并提供生产级Docker部署架构与完整的隐私保护推理实践方案。 隐私计算 2026年10月02日 0 点赞 0 评论 111 浏览
差分隐私工程实战:从 ε-δ 证明到生产级数据流水线 从 ε-δ 数学定义出发,拆解差分隐私的拉普拉斯/高斯噪声机制、敏感度分析、组合定理与工程实现陷阱,覆盖 DP-SGD、联邦学习隐私会计与生产级隐私保护数据流水线的构建,含可运行代码与隐私预算实战。 隐私计算 2026年10月07日 0 点赞 0 评论 36 浏览
2026年隐私计算技术落地全景:从理论突破到大规模商业部署的跨越 2026年隐私计算技术落地全景分析:联邦学习从横向进入纵向融合,多方安全计算突破性能瓶颈,TEE远程证明标准化,三大技术路线在金融、医疗、政务领域规模化落地。 隐私计算 2026年10月08日 0 点赞 0 评论 70 浏览
隐私计算:在数据不可见的前提下释放数据价值 数据作为新型生产要素,其价值在于流通。但数据流通与隐私保护似乎构成了一对不可调和的矛盾:要么数据孤岛化导致价值湮灭,要么数据汇聚流通带来隐私泄露风险。隐私计算(Privacy-Preserving Computation)试图打破这种两难:在数据不可见的前提下实现数据价值的流通。 隐私计算 2026年10月10日 0 点赞 0 评论 59 浏览
全同态加密(FHE):在加密数据上计算的密码学圣杯 深入解析全同态加密(FHE)从Gentry突破到工业级部署的完整演进,涵盖BGV/BFV/CKKS/TFHE四大方案、密文打包、自举机制、工程实现和应用场景 隐私计算 2026年10月15日 0 点赞 0 评论 54 浏览
隐私计算:在数据利用与隐私保护之间寻找平衡 深入解析隐私计算核心技术(联邦学习、安全多方计算、差分隐私、TEE、同态加密),探讨在数据利用与隐私保护之间寻找平衡的创新方案 隐私计算 2026年10月17日 0 点赞 0 评论 24 浏览
隐私计算技术前沿:联邦学习、安全多方计算与可信执行环境的融合实践 联邦学习(Federated Learning)由Google于2016年提出,其核心思想是“数据不动模型动”——各参与方在本地训练模型,仅交换模型参数(梯度),原始数据始终保留在本地。 隐私计算 2026年11月07日 0 点赞 0 评论 25 浏览
数字时代的隐私权保护与数据治理 探讨数字时代隐私权的演进历程、主要法律框架、数据治理挑战及未来趋势,分析GDPR、CCPA等法规对全球数据保护的影响。 隐私计算 2026年11月07日 0 点赞 0 评论 34 浏览