时间:2023-08-18|浏览:231
1 Avatar安全评估体系 Avatar的安全评估体系方案旨在验证多方联合建模产品的安全性,涉及如下模块:
图:Avatar安全体系评估八要素
2 融合过程的安全性检测 1)安全融合原理 2)安全融合通信 3)通信事件抓包的例子是对加密数据进行私钥盲签名,发送方是HOST,事件名称是inter_to_guest_1_0,事件描述是私钥对加密数据进行盲签名blind_sid,抓包截图如下: [截图] 反序列化的结果: [结果]
4)安全性分析是为了验证算法的安全性,对”盲化ID”和”ID除盲”两个过程进行断点输出,输出中间临时数据,以方便验证算法的安全性。真实线上环境不会有该输出动作。GUEST一方中间数据断点输出两份数据,即中间结果数据临时输出存储到本地。验证解析对比如下:1)原始数据ID+随机掩码+HOST公钥(inter_pubkey数据e_data)=inter_to_host_1数据e_data; 通过正向逻辑计算reh值与步骤4通信的反序列化数据进行对比2)inter_to_guest_1数据e_data进行ID除盲=DA,为guest方中间计算结果。
5)准确性分析 采用线上+线下的对比测试进行验证,分析原理简单,此处略去。
3 联邦学习的误差分析 Avatar联邦学习过程精度解析
1)安全融合 运行线下验证脚本并进行截图,得出两方数据对齐后的ID条数为39条。Avatar运行结果表明对齐ID条数统计(加表头)共计40条,即实际对齐条数39条,与线下对齐结果一致。
2)特征工程 下方为本地脚本运行截图,使用等频分箱方式,分箱后对目标变量单一取值的箱进行区间合并。通过结果对比,可知联邦计算与本地计算各指标结果相同。
3)模型训练 两任务以相同参数进行模型训练,通过结果对比可知,在保证数据安全的前提下,密文计算与明文计算的结果几乎无损。
4 Avatar监控大盘 在富数科技自研创新能力的加持下,Avatar推出了行业首创的安全驾驶舱,使复杂的多方安全计算原理从黑盒变成白盒,实现了安全可视化,提高了安全的可解释性,让用户掌握更强的系统运营能力。
Avatar支持参与各方直连,无需任何第三方,解决了甲乙两方在安全建模中难以找到合适第三方的问题,让合作双方获得更加自主可信的数字空间。
Avatar的“驾驶舱”-安全性监控大盘
小结 正如文章中所说,隐私计算开始进入了白热化的赛季。这种竞赛体现在客户对于厂商的选型和评测中。在我们所经历的所有客户中,都存在着积极的交流和切磋,客户的需求始终是最重要的。其自身的安全性也非常关键。在快与慢、精确与误差之外,只有与业务密切结合,才能真正做到可用。
文章所述观点仅代表作者本人,不构成投资建议,请注意投资风险。
用戶喜愛的交易所
已有账号登陆后会弹出下载