Delta区块链隐私计算框架
Delta可以联合分散在各处的数据,进行统计计算以及机器学习,数据全程不会离开本地,实现了数据的可用不可见,可应用于金融、医疗、政府、知识产权等领域,实现联合风控、联合科研、政企数据连接等需求,充分发挥数据的价值。
Delta通过封装整合联邦学习、安全多方计算、差分隐私等最新的隐私计算技术,降低了开发门槛,使用者无需了解隐私计算技术,也可快速实现计算需求。 用户可以快速地部署Delta节点,搭建隐私计算网络,联合多方数据,完成隐私计算。
Delta保证了计算结果的可信性,在用户无法获取原始数据的前提下,通过集成的区块链和零知识证明技术验证计算结果的正确性。
架构图
无需了解底层原理,直接使用Python开发
数据使用者无需了解隐私计算算法,只需编写传统的统计算法、机器学习算法,平台会自动将其转换为联邦统计、横向联邦学习或纵向联邦学习,在多节点上完成隐私计算。
采用在数据/人工智能领域广泛使用的Python语言进行任务编写,开发者可以实现复杂的算法,灵活性高;迁移成本低,已有的代码经过简单改造,就可以直接使用。系统自动对计算任务代码进行合规性检查,以保障数据隐私安全。
通过区块链保证计算结果可信
通过区块链和零知识证明保证计算结果可信性。数据使用者在无法看到原始数据的情况下,可以相信计算任务得到了正确的执行,并且采用的数据不是伪造的。
全套图形化调试工具,简化开发流程
提供日志系统、调试工具、图形化结果面板等一系列配套的开发组件,简化开发流程,提高效率,给开发者提供良好的开发体验。
Docker一键部署,和Kubernetes无缝集成
Docker化部署,支持多种操作系统,部署方便,可根据用户业务需求,进行私有化部署。
应用场景
政企数据连接
各个企业的财务报表、运营数据,都属于隐私数据,无法公开。但是政府需要获取各家企业的真实数据,才能了解辖区内的企业、行业整体情况,并制定相应的政策。通过搭建隐私计算平台,政府可直接在隐私计算平台上统计平台中各家企业的数据,使企业无需再公开提交自己的隐私数据,既保护了企业的隐私数据,政府也得到了制定政策所需的统计数据。
智能医疗建模
现在,越来越多的机构开始尝试使用人工智能技术,构建智能医疗模型,进行辅助诊断。构建医疗模型,需要使用大量的医疗数据,一家医疗机构的数据明显不足,然而各家医疗机构的病人信息、医疗记录,都属于隐私数据,无法共享。通过隐私计算平台,可以联合多家医疗机构的医疗数据,使用横向或者纵向联邦学习方式训练医疗模型,保障各个机构医疗数据的隐私,同时提升医疗模型的效果。
专栏文章
安全多方计算详解:MPC技术路线及MASCOT协议(一)
2021年6月11日
隐私计算关键技术:隐私集合求交(PSI)原理介绍
2021年4月24日
隐私计算实例:详解一个纵向联邦学习的场景和技术实现
2021年4月12日
万字长文详解零知识证明协议——以zk-STARKs为例
2021年4月10日
隐私计算+区块链:一次具体场景下的详细应用
2020年8月28日
基于零知识证明的数字资产私密发布和授权协议
2019年11月7日
欢迎联系
沪ICP备2021016007号