数据中心以及用于促进数据中心处的私密性的方法和介质

    公开(公告)号:CN107924339B

    公开(公告)日:2021-07-16

    申请号:CN201680047889.6

    申请日:2016-07-27

    Abstract: 一种数据中心(106)具有多个安全处理单元(100);保持加密的数据记录的多个数据存储库(102)以及连接安全处理单元(100)和数据存储库(102)的网络。安全处理单元(100)包括计算功能,其被配置为通过被配置为从存储库(102)读取加密的记录、在安全处理单元(100)内处理一个或多个加密的记录、将一个或多个加密的记录发送到存储库(102)来在安全处理单元(100)上并行地执行数据处理操作。数据中心(106)被配置为执行数据记录的秘密混洗以保护在数据中心(106)中被处理的数据对于观察到以下中的任何一项或多项的观察者的私密性:记录的读取、记录的发送、记录的写入;秘密混洗包括向观察者隐藏的对记录的随机置换。

    隐私增强机器学习
    2.
    发明授权

    公开(公告)号:CN114430835B

    公开(公告)日:2025-05-06

    申请号:CN202080065917.3

    申请日:2020-06-18

    Abstract: 一种针对隐私保护机器学习而选择数据的方法,包括:存储来自第一参与方的训练数据,存储机器学习模型,以及存储来自第一参与方或另一参与方的标准。该方法包括:过滤训练数据以选择要被用以训练机器学习模型的训练数据的第一部分并且选择训练数据的第二部分。选择通过使用标准计算数据对机器学习模型性能的贡献的度量而被完成。

    隐私保护机器学习
    3.
    发明授权

    公开(公告)号:CN109416721B

    公开(公告)日:2022-09-09

    申请号:CN201780039382.0

    申请日:2017-06-15

    Abstract: 描述了一种多方隐私保护机器学习系统,其具有包括至少一个受保护的存储器区域的可信执行环境。在系统处的代码加载器将从多方中的至少一方接收的机器学习代码加载到受保护的存储器区域中。数据上传器将从多方中的至少一方接收的机密数据上传到受保护的存储器区域。可信执行环境使用至少一个数据不经意程序来执行机器学习代码以处理机密数据并且将结果返回给多方中的至少一方,其中数据不经意程序是其中任何的存储器访问的模式、磁盘访问的模式和网络访问的模式使得无法从模式预测机密数据的过程。

    数据中心私密性
    4.
    发明公开

    公开(公告)号:CN107924339A

    公开(公告)日:2018-04-17

    申请号:CN201680047889.6

    申请日:2016-07-27

    Abstract: 一种数据中心(106)具有多个安全处理单元(100);保持加密的数据记录的多个数据存储库(102)以及连接安全处理单元(100)和数据存储库(102)的网络。安全处理单元(100)包括计算功能,其被配置为通过被配置为从存储库(102)读取加密的记录、在安全处理单元(100)内处理一个或多个加密的记录、将一个或多个加密的记录发送到存储库(102)来在安全处理单元(100)上并行地执行数据处理操作。数据中心(106)被配置为执行数据记录的秘密混洗以保护在数据中心(106)中被处理的数据对于观察到以下中的任何一项或多项的观察者的私密性:记录的读取、记录的发送、记录的写入;秘密混洗包括向观察者隐藏的对记录的随机置换。

    隐私增强机器学习
    5.
    发明公开

    公开(公告)号:CN114430835A

    公开(公告)日:2022-05-03

    申请号:CN202080065917.3

    申请日:2020-06-18

    Abstract: 一种针对隐私保护机器学习而选择数据的方法,包括:存储来自第一参与方的训练数据,存储机器学习模型,以及存储来自第一参与方或另一参与方的标准。该方法包括:过滤训练数据以选择要被用以训练机器学习模型的训练数据的第一部分并且选择训练数据的第二部分。选择通过使用标准计算数据对机器学习模型性能的贡献的度量而被完成。

    隐私保护机器学习
    6.
    发明公开

    公开(公告)号:CN109416721A

    公开(公告)日:2019-03-01

    申请号:CN201780039382.0

    申请日:2017-06-15

    Abstract: 描述了一种多方隐私保护机器学习系统,其具有包括至少一个受保护的存储器区域的可信执行环境。在系统处的代码加载器将从多方中的至少一方接收的机器学习代码加载到受保护的存储器区域中。数据上传器将从多方中的至少一方接收的机密数据上传到受保护的存储器区域。可信执行环境使用至少一个数据不经意程序来执行机器学习代码以处理机密数据并且将结果返回给多方中的至少一方,其中数据不经意程序是其中任何的存储器访问的模式、磁盘访问的模式和网络访问的模式使得无法从模式预测机密数据的过程。

Patent Agency Ranking