隐私计算简介 隐私计算及其技术 区块链与隐私计算 一、隐私计算简介： 隐私计算是指通过联邦学习、安全多方、同态加密、零知识证明等机密技术实现数据隐私性与使用性安全分离的综合性技术，是一项保护数据隐私且能够使数据所有者掌控自己数据并且从自己数据中获得使用价值的算法技术 注： 隐私计算是一种算法层面的保护数据隐私安全性的技术，存在于数据所有者允许不透露原始数据情况下出让数据使用权的环境；区别于生活中大多数计算机系统安全问题，比如黑客或第三方服务提供商在用户不允许情况下偷盗用户数据的情况 隐私计算分为通用隐私计算和特定用途隐私计算，目前通用隐私计算没有成熟的实现方式，在特地用途的隐私计算都有不同的发展，比如： -适用于人工智能（模型计算）领域的联邦学习技术 -适用于在不存在可信第三方和数据不泄漏情况下，多方合作实现共同计算特定函数的安全多方技术 -适用于完全不需要知道真实数据即可使用加密后结果进行综合计算的同态加密技术 -适用于区块链账户隐私性证明要求的零知识证明技术 二、技术简介： 联邦学习： 适用于人工智能（模型计算）领域，由谷歌提出，建立在人工智能领域多方协作时在不出让原始数据情...