【假一罚四】隐私计算:开源架构实战:open source architecture in practice花京华编著
集团直发,全新正版书籍,假一罚四,放心选购。可开发票
¥
60.7
6.8折
¥
89
全新
库存96件
作者花京华编著
出版社机械工业出版社
ISBN9787111734147
出版时间2023-10
装帧平装
开本16开
定价89元
货号14169784
上书时间2024-07-17
商品详情
- 品相描述:全新
- 商品描述
-
目录
出版说明前言第1章隐私计算概述/1.1隐私计算的定义与分类/1.2隐私计算技术理论基础/1.2.1安全多方计算/1.2.2密码学/1.2.3机器学习/第2章联邦学习/2.1联邦学习简介/2.1.1联邦学习的由来与发展/2.1.2联邦学习与分布式机器学习/2.1.3联邦学习分类/2.2联邦学习主要开源框架/2.2.1主要开源项目简介/2.2.2开源框架FATE/2.2.3开源框架FederatedScope/2.2.4开源框架PaddleFL/2.3FATE架构分析/2.3.1fate-arch 架构模块/2.3.2FATE Flow调度模块/2.3.3FederatedML算法模块/2.3.4FATE Board可视化模块/2.3.5FATE Serving在线服务模块/2.3.6Docker-Compose与Kubernetes部署/2.4FATE联邦特征工程/2.4.1特征分箱/2.4.2特征归一化/2.4.3特征筛选/2.4.4特征编码/2.5FATE联邦机器学习模型/2.5.1逻辑回归/2.5.2XGBoost/2.6经典案例:使用纵向联邦学习进行信用评分卡建模/第3章不经意传输/3.1OT技术简介/3.2基础OT及其扩展/3.2.12选1的基础OT/3.2.22选1的OT扩展——IKNP/3.2.3n选1的OT扩展——KK[13]/3.2.4∞选1的OT扩展——KKRT[16]/3.2.5C-OT与R-OT/3.3OT技术的泛化/3.3.1OPRF技术/3.3.2OPPRF技术/3.3.3不经意多项式计算/3.3.4不经意线性函数/3.4OT 开源实现/第4章秘密共享/4.1秘密共享基础协议/4.1.1加法秘密共享/4.1.2门限秘密共享/4.1.3复制秘密共享/4.1.4可验证秘密共享/4.2技术架构及主要开源框架/4.2.1常见开源秘密共享架构简介/4.2.2开源框架TF Encrypted/4.2.3开源框架CrypTen/4.3TF Encrypted中的协议实现/4.3.1SecureNN协议/4.3.2TF Encrypted中SecureNN的实现/4.3.3TF Encrypted主要安全算子/4.3.4实例:使用TF Encrypted实现纵向训练/4.4CrypTen协议及实现介绍/4.4.1CrypTen协议简介/4.4.2CrypTen主要代码实现/4.4.3CrypTen主要安全算子/4.4.4实例:使用CrypTen训练纵向卷积神经网络/第5章混淆电路/5.1基于乱码表的混淆电路/5.1.1姚氏混淆电路/5.1.2点置换技术Point-and-Permute/5.1.3行缩减技术GRR/5.1.4“免费”“异或”门Free-XOR/5.1.5半门技术 Half-Gates/5.2基于秘密共享的混淆电路/5.2.1GESS协议/5.2.2GMW协议/5.2.3BGW协议/5.2.4BMR协议/5.3混合协议/5.3.1ABY混合协议框架/5.3.2ABY3混合协议框架/5.3.3TF Encrypted中的ABY3实现/第6章面向应用的隐私保护技术/6.1应用介绍/6.1.1隐私集合求交/6.1.2隐私信息检索/6.2PSI主要实现方案/6.2.1RSA盲签名/6.2.2DH密钥交换/6.2.3混淆布隆过滤器方案/6.2.4OPRF方案/6.2.5基于OPPRF的Circuit-PSI/6.3PIR主要方案/6.3.1OT方案/6.3.2全同态加密方案XPIR/6.3.3全同态加密方案SealPIR/6.3.4FrodoPIR/第7章隐私保护的安全联合分析/7.1安全联合分析概述/7.2SMCQL/7.2.1SMCQL原理简介/7.2.2架构及主要实现分析/7.2.3SMCQL的安装/7.2.4医疗联合分析案例/7.3Conclave/7.3.1Conclave原理简介/7.3.2架构主要实现及分析/7.3.3Conclave的安装/7.3.4JIFF作为后端的MPC框架运行/7.3.5Obliv-C作为后端的MPC框架运行/参考文献/
内容摘要
隐私计算是指在保护数据本身不对外泄露的前提下,实现数据共享、分析、计算、建模的技术集合,以达到对数据“可用、不可见”的目的。隐私计算涉及多个学科和技术体系,从实现所使用的技术上看,包含三个主要技术路线:联邦学习、安全多方计算和可信执行环境。 本书主要介绍联邦学习和安全多方计算两种技术路线,在讲解理论知识的基础上结合开源架构进行代码分析、安装和运行。第1章介绍隐私计算所需基础理论知识;第2章根据联邦学习建模流程结合开源框架FATE进行介绍;第3~5章介绍安全多方计算,包括不经意传输、秘密共享和混淆电路;第6章介绍具有特定功能的隐私计算协议,包括隐私集合求交和隐私信息检索;第7章介绍隐私保护的安全联合分析,分别介绍了SMCQL和Conclave两个框架,主要涉及联合分析过程的SQL计划优化和明密文混合运行。本书提供关联的开源架构源代码,获取方式见封底。 本书适合隐私计算入门从业者,以及需要快速搭建隐私计算产品的研发人员阅读学习。
主编推荐
本书为隐私计算开源社区FATE一级贡献者、数据安全专家花京华老师的倾心之作、受到业内的范涛、徐常亮、毛仁歆等专家的鼎立支持与推荐。
精彩内容
隐私计算是指在保护数据本身不对外泄露的前提下,实现数据共享、分析、计算、建模的技术集合,以达到对数据“可用、不可见”的目的。隐私计算涉及多个学科和技术体系,从实现所使用的技术上看,包含三个主要技术路线:联邦学习、安全多方计算和可信执行环境。 本书主要介绍联邦学习和安全多方计算两种技术路线,在讲解理论知识的基础上结合开源架构进行代码分析、安装和运行。第1章介绍隐私计算所需基础理论知识;第2章根据联邦学习建模流程结合开源框架FATE进行介绍;第3~5章介绍安全多方计算,包括不经意传输、秘密共享和混淆电路;第6章介绍具有特定功能的隐私计算协议,包括隐私集合求交和隐私信息检索;第7章介绍隐私保护的安全联合分析,分别介绍了SMCQL和Conclave两个框架,主要涉及联合分析过程的SQL计划优化和明密文混合运行。本书提供关联的开源架构源代码,获取方式见封底。 本书适合隐私计算入门从业者,以及需要快速搭建隐私计算产品的研发人员阅读学习。
— 没有更多了 —
以下为对购买帮助不大的评价