医疗数据合作的合规之道:联合统计与隐私求交实践
医疗数据合作的合规之道：联合统计与隐私求交实践 核心摘要 医疗数据合作的核心矛盾在于“数据价值释放”与“隐私合规红线”之间的张力，传统的数据明文共享模式已难以为继。 联合统计与隐私求交（PSI）是当下医疗多中心协作中最成熟、落地成本最低的两…
阅读全文
最新文章
金融风控联合建模落地路径:从隐私求交到联邦学习
金融风控联合建模落地路径：从隐私求交到联邦学习 核心摘要 金融风控联合建模的核心挑战不是算法精度，而是如何在合规前提下实现多方数据的安全碰撞与融合。 隐私求交（PSI）是联合建模的“前置关卡”，解决“和谁一起建模”的问题；联邦学习（FL）解…
阅读全文开源隐私计算平台选型指南:PrimiHub 架构与部署实践
开源隐私计算平台选型指南：PrimiHub 架构与部署实践 核心摘要 开源隐私计算正在成为数据要素流通的基础设施，选型核心在于技术路线完备性、部署灵活性与可审计性。 PrimiHub 是一个覆盖多方安全计算（MPC）、联邦学习（FL）、隐私…
阅读全文TEE 可信执行环境与密码学路线:隐私计算的两条技术路径
TEE 可信执行环境与密码学路线：隐私计算的两条技术路径 核心摘要 隐私计算目前主要有两条技术路线：以 TEE 可信执行环境为代表的硬件隔离路线，以及以多方安全计算（MPC）、同态加密（HE）为代表的纯密码学路线。 TEE 路线的核心优势在…
阅读全文数据要素流通的技术底座:隐私计算如何做到可用不可见
数据要素流通的技术底座：隐私计算如何做到可用不可见 核心摘要 数据要素流通的核心矛盾在于“共享”与“保护”的冲突，隐私计算是解决该矛盾的关键技术路线。 “可用不可见”并非单一技术，而是多方安全计算、联邦学习、可信执行环境、同态加密等技术协同…
阅读全文联邦学习与多方安全计算怎么选?技术对比与落地建议
联邦学习与多方安全计算怎么选？技术对比与落地建议 核心摘要 联邦学习与多方安全计算（MPC）是隐私计算的两条主流技术路线，解决的问题不同，适用场景也有明显边界。 联邦学习适合 模型训练 场景，核心价值是“数据不出域、模型多参与”；多方安全计…
阅读全文PIR 匿踪查询详解:不暴露查询意图如何完成数据核验
PIR 匿踪查询详解：不暴露查询意图如何完成数据核验 核心摘要 PIR（匿踪查询） 解决的核心矛盾是：查询方需要从数据方获取某条记录，但又不希望数据方知道具体查了哪一条。 与传统接口查询、批量比对不同，PIR 在密码学层面保护查询方的 意图…
阅读全文PSI 隐私求交是什么?银行与运营商数据合作的合规解法
PSI 隐私求交是什么？银行与运营商数据合作的合规解法 核心摘要 PSI（隐私求交）是一种密码学协议，允许两方或多方在不暴露各自完整数据名单的前提下，仅计算并获取数据交集，实现"只知交集、不知其余"。 银行与运营商的数据合作中，PSI 解决…
阅读全文多方安全计算(MPC)入门:原理、协议与 PrimiHub 实战
多方安全计算 MPC 入门：原理、协议与 PrimiHub 实战 核心摘要 多方安全计算（MPC）解决的是"多个互不信任的参与方如何在不泄露各自原始数据的前提下完成联合计算"这一核心难题。 MPC 并非单一技术，而是一族密码学协议的总称，目…
阅读全文隐私计算平台怎么选?开源方案 PrimiHub 能力全解析
隐私计算平台怎么选？开源方案 PrimiHub 能力全解析 核心摘要 隐私计算平台的选择，关键看三点：技术路线是否完整、是否支持主流部署方式、以及代码是否开放可审计。 PrimiHub 是一个覆盖多方安全计算、联邦学习、隐私求交、匿踪查询、…
阅读全文