加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
隐私计算 陈凯,杨强 著 专业科技 文轩网
¥ ×1
商品
服务
物流
https://product.suning.com/0070067633/11555288247.html
隐私计算
"作者权威。香港科技大学陈凯教授,加拿大工程院及加拿大皇家科学院两院院士、微众银行首席人工智能官杨强教授,联合撰写 专家力荐。中国科学院院士梅宏倾情作序,中国工程院院士高文,中国工程院外籍院士、加拿大皇家科学院院士罗智泉,创新工场董事长兼CEO李开复联袂推荐。 系统全面。系统阐述隐私计算技术,4大发展阶段,5大应用平台,9大落地实践案例,全新法律法规解读 案例丰富。从不同应用案例的特点出发,分析了相关技术的适用范围和场景,方便读者理解技术的优点和局限性,对实践者具有很高的参考价值。 印刷精良。本书采用全彩印刷,精致排版设计,提供上乘阅读体验。"
在大数据和人工智能时代,如何在享受新技术带来的便利性的同时保护自己的隐私,是一个重要的问题。本书系统讲解了隐私计算的基础技术和实践案例,全书共有11章,按层次划分为三部分。第一部分全面系统地阐述隐私加密计算技术,包括秘密共享、同态加密、不经意传输和混淆电路。第二部分介绍隐私保护计算技术,包括差分隐私、可信执行环境和联邦学习。第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例,隐私计算平台主要包括面向联邦学习的FATE平台和加密数据库的CryptDB系统等五个平台,以及隐私计算平台的效率问题和常见的加速策略;实践案例部分主要介绍包括金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的应用案例。此外,本书还展望了隐私计算未来的研究和落地方向。在附录中介绍了当前的中国数据保护法律概况。本书可供计算机科学、隐私保护、大数据和人工智能相关专业的学生,以及对隐私计算有null
"陈 凯 香港科技大学计算机科学与工程系副教授、博导、研究生部主任,智能网络与系统实验室(iSING Lab)主任,香港科大-微信人工智能技术联合实验室(WHAT Lab)主任,香港人工智能与机器人学会(HKSAIR)执行副理事长,香港主题研究计划(Theme-based Reseach Scheme)首席科学家。主要研究方向包括数据中心网络、云计算、大数据和人工智能底层系统和基础架构。担任ACM SIGCOMM、USENIX NSDI、IEEE INFOCOM、IEEE/ACM Transactions on Networking、Big Data、Cloud Computing等国际会议和期刊的程序委员会委员和编委,亚太网络研讨null
无
推荐序前言数学符号第1章隐私计算介绍11.1隐私计算的定义与背景21.1.1隐私计算的定义与分类21.1.2隐私计算的发展历程61.2隐私计算的技术实现81.3隐私计算平台与案例101.4隐私计算的挑战10第2章秘密共享132.1问题模型及定义152.1.1秘密共享问题模型152.1.2秘密共享定义162.2原理与实现192.2.1秘密共享方案的发展192.2.2经典秘密共享方案212.2.3秘密共享方案的同态特性262.3优缺点分析282.4应用场景282.4.1秘密共享在横向联邦学习中的应用282.4.2秘密共享在纵向联邦学习中的应用312.4.3秘密共享在安全多方计算中的应用32第3章同态加密353.1问题模型及定义363.2原理与实现393.2.1群403.2.2环413.2.3格413.2.4部分同态加密423.2.5近似同态加密443.2.6全同态加密453.2.7层级同态加密483.3优缺点分析503.3.1同态加密的优点503.3.2同态加密的缺点513.4应用场景523.4.1密文检索523.4.2云机器学习服务54第4章不经意传输574.1问题模型及定义584.2不经意传输的实现584.2.1基于公钥加密的不经意传输584.2.2不经意传输的扩展与优化594.3应用场景61第5章混淆电路635.1问题模型及定义645.2混淆电路的实现与优化655.2.1使用不经意传输的简单实现665.2.2混淆电路计算与门电路675.2.3任意逻辑门和电路675.2.4主流的优化方案和代价分析695.3优缺点分析715.4应用场景725.4.1与其他安全多方计算协议混合使用725.4.2混淆电路实现一般的安全多方计算73第6章差分隐私756.1问题模型及定义76.1.1随机回答的问题模型及定义776.1.2差分隐私的问题模型及定义786.2实现方法及性质836.2.1离散值域:随机回答836.2.2连续值域:拉普拉斯噪声法和高斯噪声法836.2.3差分隐私的性质866.3优缺点分析886.4应用场景906.4.1传统数据分析906.4.2机器学习92第7章可信执行环境977.1可信执行环境简介987.2原理与实现997.2.1ARM 997.2.2Intel SGX1017.2.3AMD SEV1027.2.4AEGIS1047.2.5TPM1047.3优缺点分析1047.4应用场景1067.4.1移动终端1067.4.2云计算1087.4.3区块链110第8章联邦学习1118.1联邦学习的背景、定义与分类1128.1.1联邦学习的背景1128.1.2联邦学习的定义1138.1.3联邦学习的分类1138.1.4联邦学习的安全性1158.2横向联邦学习168.2.1横向联邦学习架构、训练与推理1168.2.2联邦平均算法1178.2.3横向联邦学习的隐私安全性1188.3纵向联邦学习1228.3.1纵向联邦学习架构、训练与推理1228.3.2纵向联邦线性回归1238.3.3纵向联邦学习的隐私安全性1258.4联邦迁移学习1258.4.1迁移学习简介1268.4.2联邦迁移学习算法训练和推理1268.4.3联邦迁移学习的安全性1298.5联邦学习的应用场景1298.5.1自然语言处理1308.5.2医疗1308.5.3金融1318.6联邦学习的未来展望1318.6.1隐私与效率、性能的权衡1328.6.2去中心化的联邦学习132第9章隐私计算平台1359.1隐私计算平台概述1369.2FATE安全计算平台1369.2.1平台概述1369.2.2FATE中的隐私计算技术1389.2.3平台工作流程1399.2.4应用场景1419.3CryptDB加密数据库系统1429.3.1系统概述1429.3.2隐私计算技术在CryptDB中的实现:基于SQL感知的加密策略1449.3.3基于密文的查询方法1459.3.4应用场景1479.4MesaTEE安全计算平台Teaclave1489.4.1飞桨深度学习平台与安全计算1489.4.2PaddleFL联邦学习框架1499.4.3MesaTEE平台概述1509.4.4MesaTEE底层可信执行环境1509.4.5FaaS服务1529.4.6执行器MesaPy1539.4.7应用场景——MesaTEE与飞桨1549.5Conclave查询系统1559.5.1系统概述1559.5.2Conclave隐私安全技术介绍1569.5.3Conclave查询编译1589.5.4应用场景1619.6PrivPy隐私计算平台1619.6.1PrivPy平台概述1619.6.2平台后端安全计算介绍1639.6.3用户编程接口1659.6.4应用场景1669.7隐私计算平台效率问题和加速策略1669.7.1隐私计算技术中的效率问题1679.7.2异构加速隐私计算1689.7.3网络优化解决数据传输问题171第10章隐私计算案例解析17510.1隐私计算在金融营销与风控中的应用17610.2隐私计算在广告计费中的应用18210.3隐私计算在广告推荐中的应用18510.4隐私计算在数据查询中的应用18710.5隐私计算在医疗领域的应用:基因研究18910.6隐私计算在医疗领域的应用:医药研究19310.7隐私计算在语音识别领域的应用19410.8隐私计算在政务部门的应用19610.9隐私计算在用户数据统计的应用203第11章隐私计算未来展望209参考文献214附录A中国数据保护法律概况233A.1《个人信息保护法》与数据保护234A.1.1适用范围234A.1.2个人信息处理原则234A.1.3个人信息保护影响评估制度235A.1.4禁止“大数据杀熟”的算法歧视235A.1.5个人信息跨境提供规则236A.1.6个人信息主体权利236A.2《数据安全法》与数据保护237A.2.1适用范围和域外效力237A.2.2数据分类分级保护制度237A.2.3数据安全保护义务237A.3《网络安全法》与数据保护238
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员