隐私保护计算
王伟 李浥东 刘吉强
235人在读
31.8万字总字数
¥109.9定价
王伟 李浥东 刘吉强
数据作为第五大生产要素，已成为数字经济发展的重要引擎，正在深刻影响着全社会生产生活的方方面面。隐私保护计算是在保障数据要素和隐私安全的同时实现有效计算的技术体系，在加速数据要素流通和释放数据要素价值等方面发挥着核心作用。本书旨在阐释隐私保护计算的基础知识和核心技术，为隐私保护计算相关应用的落地和数据价值的释放提供重要参考。 本书共分为3 个部分：第一部分介绍隐私保护计算的基础知识，第二部分介绍联邦学习、同态加密、零知识证明、安全多方计算、可信执行环境、差分隐私、数据删除及智能合约等隐私保护计算的核心技术；第三部分介绍隐私计算的应用实践，包括应用指南（法律法规、标准体系和应用准则等）、产业发展及对未来的展望等。 本书适合隐私保护计算领域的研究人员、工程技术人员，以及金融科技、互联网和数字经济等领域的从业人员阅读，也可供计算机、人工智能等专业的研究生学习、参考。
这本书说的很详细，要是在22年出版就好了哈哈。 恰巧我在港中大金融科技专业读硕士期间，参加了香港金融管理局-腾讯的工业项目(隐私保护计算技术在海外聚合支付/跨境支付中的应用)，我主要完成了以下工作： 了解重点国家的数据保护政策(GDPR, CCPA, ADPPA, PIPA) 掌握隐私信息全生命周期保护的计算理论和方法 通过不同场景如何使用隐私计算能力，策略，提升数据价值，在主路径上共同提升核心指标 技术架构实现 就技术层面而言，隐私保护计算技术包括安全多方计算(MPC /SMPC, Secure Multi-Party Computation)，可信联邦学习(TFL, Trusted Federated Learning)，可信执行环境(TEE, Trusted Execution Environment)。 由于TEE需要相应的硬件作为支撑，所以我主要简单实现了SMPC和TFL。我将SMPC和区块链结合起来，完成了一个简单的安全交易系统，模糊了用户的个人数据。而针对TFL，我则将其应用于个人信用评分，尤其是在跨境情况下。SMPC和TFL都有效地保护了用户隐私，并能较为准确的为用户和相关机构进行服务。 在为期一年的学习和实践中，我得出的结论如下： 虽然隐私计算技术以用户为中心，但是它也对各个公司以及整个商业系统也有裨益。 隐私计算的本质是将用户的隐私数据保存在本地，并提供相应的较为准确的服务。 在金融领域，隐私计算技术可以为公司和个人提供服务。 在隐私计算技术的未来发展中，所有行业的合作是不可或缺的。相关的法律和法规也将应运而生。
内容翔实，也有理有据，从理论层面讲到了技术层面，获益颇丰
明年去西电学习安全，最近导师让做arm trustzone，拿来粗略马虎的了解了一下安全内容（因为本科生实在是看不懂很多东西），感觉书有简单的通俗介绍，也有难的公式证明，留着日后研究生期间再读