密码学与隐私计算如何应用于人工智能领域的学习实践？

本文共计1851个文字，预计阅读时间需要8分钟。

密码学与隐私计算在人工智能行业中的应用——矩阵元+安全的数据流和共享，提出隐私AI，即AI、密码学与系统安全技术的融合，解决安全的多方联合计算问题，分为三个方向：

密码学与隐私计算在人工智能行业中的实践-矩阵元

由需要安全的数据流通和共享，提出隐私AI，即AI、密码学和系统安全技术的融合，解决安全的多方联合计算问题，分为三个方向：MPC（密码学）、FL（AI算法）和TEE（硬件）。

1、数据流动和共享价值很大！
2、数据泄露也很严重！
3、在多方下，进行安全的数据流动和共享很重要！

为了解决上述问题，首先给出了面向静态数据的保护手段，比如：数据防泄漏（DLP）、零信任等。

DLP介绍：zhuanlan.zhihu.com/p/449200078
零信任介绍：baijiahao.baidu.com/s?id=1736757199934182453&wfr=spider&for=pc

1、以上基于传统的访问控制技术，能保护静态数据，但不能保护动态数据。
2、隐私AI能解决：在多方计算中不会泄漏原始明文数据本身的信息。
3、引出本公司隐私计算框架：Rosetta。

基于Tensorflow研发。