机密计算 AI数据安全和隐私保护
正版新书 新华官方库房直发 可开电子发票
￥ 56 5.6折 ￥ 100 全新
库存5件
作者胡寅玮 等
出版社电子工业出版社
ISBN9787121436789
出版时间2023-03
版次1
装帧平装
开本16开
纸张胶版纸
页数256页
字数358千字
定价100元
货号SC:9787121436789
上书时间2024-11-18
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
"胡寅玮
英特尔数据平台事业部中国云计算平台工程部总监。负责为中国及亚太区的云服务商提供云服务器和数据平台的全栈式技术方案，包括CPU定制、服务器平台设计开发、云固件研发、软件性能优化、计算安全及集群阵列调优。
闫守孟
蚂蚁集团研究员，蚂蚁可信基础设施负责人。领导了蚂蚁集团SOFAEnclave（Occlum、HyperEnclave、KubeTEE等）机密计算软件栈、隐私计算加速硬件和可信隐私计算一体机的研发，发起并主导制定了国内外多项可信执行环境和隐私计算一体机标准。有关技术产品已在蚂蚁、阿里巴巴、微软Azure及诸多隐私计算企业得到广泛应用，产生了重要的社会和经济价值。加入蚂蚁之前，在Intel中国研究院从事基础技术研究，多项研究成果应用在Intel软硬件产品中。曾在PLDI、ASPLOS、ATC、ASE等发表多篇很好会议论文，并拥有30余件专利。在西北工业大学获得计算机应用技术专业博士学位。
吴 源
英特尔数据平台事业部资深AI与安全软件工程师。主要负责基于英特尔可信执行环境的人工智能应用和隐私计算。工作重点主要包括联邦学习、深度学习的隐私保护，以及与云计算厂商共同构建基于英特尔可信执行环境的人工智能应用方案。曾参与发表多篇关于人工智能性能优化和可信执行环境的白皮书。
朱运阁
英特尔数据平台事业部软件方案项目组深度学习工程师。研究兴趣和专长主要包括可信执行环境、联邦学习和同态加密。工作重点是基于可信执行环境的数据安全和隐私保护计算。曾参与发表多篇关于可信执行环境安全计算的白皮书，并将解决方案作为很好实践发表在国内知名社区网站上。
龚奇源
博士，英特尔资深机器学习工程师。2016年博士毕业于东南大学计算机应用专业，师从罗军舟教授，博士期间主要从事数据隐私相关研究。2017年加入英特尔，从事大数据、机器学习和数据隐私相关工作。是大数据
...
主编推荐:
"自ChatGPT发布以来，公众对大型语言模型（LLM）技术中设计的隐私保护问题异常关注，如何安全地保护用户隐私是当前的前沿问题。使用可信执行环境可以在保障数据隐私和安全的同时，提高ChatGPT的安全性和可信度。
《机密计算：AI数据安全和隐私保护》聚焦机密计算在AI数据安全和隐私保护方面的问题和应用，从基本原理、技术框架、工程落地、场景案例等方面，详细阐述可信执行环境技术，系统绘制机密计算的全景视图。
详述了如何使用SGX技术搭建AI和ML隐私安全解决方案
涵盖软硬件架构、关键技术实现和应用开发等，汇总了产业真实案例和实践经验"
媒体评论:
"面向隐私保护的大数据分析、机器学习和深度学习正成为众多应用场景的核心技术。本书从关键的可信执行环境技术（如英特尔SGX）出发，讨论了多个实际的隐私计算工程实践和开源项目（如BigDL PPML），是一本的兼具理论深度和实际应用的著作。
戴金权
英特尔院士、大数据技术全球CTO
随着各国数据安全相关法规的颁布，在人工智能应用中合规合法地使用数据变得非常重要。火山引擎作为人工智能应用落地的实践者，严格履行数据安全法规，推出了产品化的火山引擎隐私计算平台Fedlearner。本书详细地描述了人工智能方案落地过程中遇到的数据安全和隐私保护问题，并且详细介绍了Fedlearner TEE方案的实现原理和细节，对于关注数据安全和隐私计算的人工智能开发人员来说，是一本很好的参考书和实践手册。
项 亮
火山引擎机器学习负责人
随着云计算的兴起，用户数据的泄露成为云计算推广的主要阻碍，如何保护用户数据的安全成为云计算提供商的首要任务。人工智能作为云计算落地的重要场景之一，其用户数据和模型是客户宝贵的知识资产。本书以英特尔SGX为例，系统地介绍了可信执行环境技术在人工智能训练、推理及大数据场景下的应用和实践，对于云计算用户理解和实践可信执行环境技术有重要的参考价值。
Niveditha Sundaram
英特尔数据平台事业部副总裁"
内容简介:
本书系统介绍了面向人工智能领域中的数据安全、隐私保护技术和工程实践。本书首先探讨了人工智能领域所面临的各种数据安全和隐私保护的问题及其核心需求，并在此基础上纵览和比较了各种隐私保护计算技术和解决方案的利弊；然后详细阐述了目前比较具有工程实践优势的可信执行环境技术，及其在主流人工智能场景中的工程实践参考案例。此外，本书介绍了关于数据安全和隐私保护的概念、原理、框架及产品，从而帮助读者对机密计算的技术全景有整体的理解。本书适合计算机和软件行业从业者、研究人员及高校师生阅读，尤其适合从事人工智能和隐私保护计算的架构师和开发人员阅读。
目录:
第1部分 基本概念框架
第1章 数据安全的挑战与需求 2
1.1 数据安全的战略意义 3
1.2 数据产业面临的安全挑战 5
1.3 数据安全核心需求 8
1.3.1 数据生命周期 8
1.3.2 数据安全需求 9
1.4 隐私保护计算背景 10
1.4.1 基本概念 10
1.4.2 国内外政策环境 12
1.5 AI领域中的数据安全问题 15
1.5.1 AI中的CIA数据安全模型 15
1.5.2 AI中的攻击模型 16
1.5.3 典型AI场景中的数据安全问题 18
参考文献 20
第2章 隐私保护计算技术 21
2.1 安全多方计算 22
2.1.1 安全多方计算的定义和分类 22
2.1.2 不经意传输 23
2.1.3 混淆电路 25
2.1.4 秘密共享 27
2.1.5 零知识证明 29
2.1.6 应用场景 31
2.2 同态加密 31
2.2.1 部分同态加密 33
2.2.2 类同态加密 37
2.2.3 全同态加密 38
2.2.4 应用场景 40
2.3 差分隐私 41
2.3.1 基本定义 42
2.3.2 噪声机制 42
2.3.3 应用场景 44
2.4 可信执行环境 45
2.4.1 英特尔SGX 46
2.4.2 ARM TrustZone 47
2.4.3 AMD SEV 48
2.4.4 应用场景 51
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价