洪澄 |
阿里巴巴 安全部 安全总监
洪澄，阿里巴巴集团安全总监，2006年获中国科学技术大学软件工程学士学位，2012年获中国科学院大学信息安全博士学位。研究兴趣包括数据库安全、数据安全与隐私保护、应用密码学等，曾在EUROCRYPT，SIGMOD、VLDB等国内外相关期刊、会议发表论文10余篇，担任密码学报，IEEE Transactions on Dependable and Secure Computing (TDSC) 等审稿人。现在阿里安全部负责安全多方计算、同态加密等前沿技术的研究，及其在阿里经济体的推广应用。
课程概要
案例背景:
联邦学习是一种流行的跨机构数据协同解决方案，但是它在安全性方面尚存在一些问题。本报告将从多个方面对这些问题进行分析，介绍更加安全的安全多方计算解决方案，并介绍阿里在安全多方计算方面取得的最新成果。
解决思路:
安全多方计算（ Secure Multi-Party Computation，MPC）于1986 年由姚期智院士提出。安全多方计算协议允许多个数据所有者在互不信任的情况下进行协同计算，并保证任何一方均无法得到除预设的计算结果之外的其他任何信息。
成果：
MPC在Logistic Regression等简单模型中的性能完全可以实用化：在10000*100 级别的数据上，MPC可以秒级~分钟级完成建模。
听众收益
了解联邦学习、安全多方计算等多种数据协同技术各自的优势和劣势；
对各类技术的风险和收益有更清晰的认识。
洪澄 |
阿里巴巴
安全部 安全总监
洪澄，阿里巴巴集团安全总监，2006年获中国科学技术大学软件工程学士学位，2012年获中国科学院大学信息安全博士学位。研究兴趣包括数据库安全、数据安全与隐私保护、应用密码学等，曾在EUROCRYPT，SIGMOD、VLDB等国内外相关期刊、会议发表论文10余篇，担任密码学报，IEEE Transactions on Dependable and Secure Computing (TDSC) 等审稿人。现在阿里安全部负责安全多方计算、同态加密等前沿技术的研究，及其在阿里经济体的推广应用。
课程概要
案例背景:
联邦学习是一种流行的跨机构数据协同解决方案，但是它在安全性方面尚存在一些问题。本报告将从多个方面对这些问题进行分析，介绍更加安全的安全多方计算解决方案，并介绍阿里在安全多方计算方面取得的最新成果。
解决思路:
安全多方计算（ Secure Multi-Party Computation，MPC）于1986 年由姚期智院士提出。安全多方计算协议允许多个数据所有者在互不信任的情况下进行协同计算，并保证任何一方均无法得到除预设的计算结果之外的其他任何信息。
成果：
MPC在Logistic Regression等简单模型中的性能完全可以实用化：在10000*100 级别的数据上，MPC可以秒级~分钟级完成建模。
听众收益
了解联邦学习、安全多方计算等多种数据协同技术各自的优势和劣势；
对各类技术的风险和收益有更清晰的认识。
京ICP备09001521号