隐私计算在数据质量体系中的架构设计与权衡
本文探讨了在数据协作中引入隐私计算技术以构建安全数据质量评估体系的架构设计。通过一个完整的、可运行的项目实例，展示了如何结合同态加密（Paillier）与安全多方计算（简易GMW协议）来安全计算数据完整性、唯一性等关键质量指标，并深入分析了不同技术路径在计算性能、通信开销、安全性假设与业务场景适配性之间的核心权衡。项目提供了混合架构的实现，包括核心算法模块、模拟数据方与计算方的交互流程，旨在为开发...
技术博客
标签：隐私计算
隐私计算在数据质量体系的安全基线与攻防验证
本文探讨了在数据驱动的隐私计算场景下，如何构建一个包含安全基线的数据质量体系，并通过一个可运行的联邦学习项目进行攻防验证。我们设计并实现了一个模拟系统，该系统在联邦学习的训练流程中，集成了多方安全下的数据质量校验、模型更新安全审计以及主动防御机制。通过引入恶意参与方节点，模拟数据投毒与模型攻击，进而验证安全基线规则（如贡献值异常检测、模型参数范数审查）的有效性。文章提供了完整的项目代码（约1500...
