隐私计算头条周刊(10.30-11.5)
POLICY FOCUS
INDUSTRY HIGHLIGHTS
ADVANCED TECHNOLOGY
1.组队学习TEE(1)— TEE-数据安全新范式
本次分享由OpenMPC社区主办的组队学习TEE,翼方健数系统安全工程师Laisky Cai老师为大家带来了主题为《TEE-数据安全新范式》的精彩分享。分享中详细介绍了基于硬件的机密计算TEE领域的相关概念和方法论,涵盖了数据完整性、数据存储安全、数据传输安全等内容。讲解了TEE的作用和必要性,以及TEE如何基于硬件实现数据隔离和加密。介绍了TEE硬件芯片和NVRAM特性,以及报告的生成和校验流程。
2.一种基于本地化差分隐私的网格聚类方法
本文介绍了一种基于本地化差分隐私的网络聚类方法——AGCluster,该方法通过调节网格划分粒度和扰动粒度,兼顾数据隐私和聚类质量。文章设计了网格划分评估指标,量化网格划分对网格密度估算误差和簇边缘信息损失的影响。实验结果表明,AGCluster方法在保护数据隐私的同时,具有良好的聚类效果。该研究为数据安全和信息安全领域提供了一种新的解决思路。
3.LAFED:一种用于支持区块链的联邦学习系统的轻量级认证机制
本文提出了一个轻量级的认证机制,用于支持区块链的联邦学习系统。该机制结合了区块链技术和零知识证明,通过身份验证和模型质量评估来保护数据安全和信息安全。具体方案包括联邦学习框架的设计、基于节点质量的共识算法和基于零知识证明协议和DH算法的认证方案。该认证机制可以提高系统的效率和隐私保护能力。
4.基于Ring-OLE构造的隐私求交(PSI)协议
本文介绍了隐私集合求交(PSI)及其变体的原理和应用。首先,通过使用不经意线性函数评估(ring-OLE)构建了简单高效的PSI和PSI-Payload协议,其中输入集合交集的计算可以在保护数据安全的前提下进行。其次,将PSI-Sum的变体有效地简化为PSI-Payload和安全内积,提供了更好的通信成本和运行效率。与其他类似协议相比,本文的协议在小型集合和大型集合上的性能都有所提升。该文研究为数据和信息安全提供了可行的解决方案。
5.基于同态加密的增强多任务粒子群算法
近期提出的进化多任务优化(EMTO)范式旨在同时解决多个任务并促进知识传递,但忽略了潜在的隐私泄漏问题。为解决此问题,提出了一种隐私增强的多任务粒子群优化算法,结合同态加密的隐私保护策略和低维子空间中的任务间知识转移。综合实验结果表明,该算法在隐私保护方面明显优于现有EMTO算法,具有潜在的实际应用前景。
RECOMMENDED READING
招标 | 近期隐私计算项目招标中标46(中国民航、江苏瑞中、中国移动、北京生态环境局等)
CNCC论坛分享丨数据合规与治理:如何从皇帝的新衣到金钟罩铁布衫?
笔记分享 | 组队学习TEE(1)— TEE-数据安全新范式