返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 隐私计算 陈凯,杨强 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 陈凯著
    • 出版社: 电子工业出版社
    • 出版时间:2022-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 陈凯著
    • 出版社:电子工业出版社
    • 出版时间:2022-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-02-01
    • 字数:358000
    • 页数:256
    • 开本:其他
    • 装帧:平装
    • ISBN:9787121426414
    • 国别/地区:中国
    • 版权提供:电子工业出版社

    隐私计算

    作  者:陈凯,杨强 著
    定  价:118
    出 版 社:电子工业出版社
    出版日期:2022年02月01日
    页  数:256
    装  帧:平装
    ISBN:9787121426414
    主编推荐

    "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。"

    内容简介

    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

    作者简介

    "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

    精彩内容

    目录

    推荐序
    前言
    数学符号
    第1章隐私计算介绍1
    1.1隐私计算的定义与背景2
    1.1.1隐私计算的定义与分类2
    1.1.2隐私计算的发展历程6
    1.2隐私计算的技术实现8
    1.3隐私计算平台与案例10
    1.4隐私计算的挑战10
    第2章秘密共享13
    2.1问题模型及定义15
    2.1.1秘密共享问题模型15
    2.1.2秘密共享定义16
    2.2原理与实现19
    2.2.1秘密共享方案的发展19
    2.2.2经典秘密共享方案21
    2.2.3秘密共享方案的同态特性26
    2.3优缺点分析28
    2.4应用场景28
    2.4.1秘密共享在横向联邦学习中的应用28
    2.4.2秘密共享在纵向联邦学习中的应用31
    2.4.3秘密共享在安全多方计算中的应用32
    第3章同态加密35
    3.1问题模型及定义36
    3.2原理与实现39
    3.2.1群40
    3.2.2环41
    3.2.3格41
    3.2.4部分同态加密42
    3.2.5近似同态加密44
    3.2.6全同态加密45
    3.2.7层级同态加密48
    3.3优缺点分析50
    3.3.1同态加密的优点50
    3.3.2同态加密的缺点51
    3.4应用场景52
    3.4.1密文检索52
    3.4.2云机器学习服务54
    第4章不经意传输57
    4.1问题模型及定义58
    4.2不经意传输的实现58
    4.2.1基于公钥加密的不经意传输58
    4.2.2不经意传输的扩展与优化59
    4.3应用场景61
    第5章混淆电路63
    5.1问题模型及定义64
    5.2混淆电路的实现与优化65
    5.2.1使用不经意传输的简单实现66
    5.2.2混淆电路计算与门电路67
    5.2.3任意逻辑门和电路67
    5.2.4主流的优化方案和代价分析69
    5.3优缺点分析71
    5.4应用场景72
    5.4.1与其他安全多方计算协议混合使用72
    5.4.2混淆电路实现一般的安全多方计算73
    第6章差分隐私75
    6.1问题模型及定义7
    6.1.1随机回答的问题模型及定义77
    6.1.2差分隐私的问题模型及定义78
    6.2实现方法及性质83
    6.2.1离散值域:随机回答83
    6.2.2连续值域:拉普拉斯噪声法和高斯噪声法83
    6.2.3差分隐私的性质86
    6.3优缺点分析88
    6.4应用场景90
    6.4.1传统数据分析90
    6.4.2机器学习92
    第7章可信执行环境97
    7.1可信执行环境简介98
    7.2原理与实现99
    7.2.1ARM 99
    7.2.2Intel SGX101
    7.2.3AMD SEV102
    7.2.4AEGIS104
    7.2.5TPM104
    7.3优缺点分析104
    7.4应用场景106
    7.4.1移动终端106
    7.4.2云计算108
    7.4.3区块链110
    第8章联邦学习111
    8.1联邦学习的背景、定义与分类112
    8.1.1联邦学习的背景112
    8.1.2联邦学习的定义113
    8.1.3联邦学习的分类113
    8.1.4联邦学习的安全性115
    8.2横向联邦学习16
    8.2.1横向联邦学习架构、训练与推理116
    8.2.2联邦平均算法117
    8.2.3横向联邦学习的隐私安全性118
    8.3纵向联邦学习122
    8.3.1纵向联邦学习架构、训练与推理122
    8.3.2纵向联邦线性回归123
    8.3.3纵向联邦学习的隐私安全性125
    8.4联邦迁移学习125
    8.4.1迁移学习简介126
    8.4.2联邦迁移学习算法训练和推理126
    8.4.3联邦迁移学习的安全性129
    8.5联邦学习的应用场景129
    8.5.1自然语言处理130
    8.5.2医疗130
    8.5.3金融131
    8.6联邦学习的未来展望131
    8.6.1隐私与效率、性能的权衡132
    8.6.2去中心化的联邦学习132
    第9章隐私计算平台135
    9.1隐私计算平台概述136
    9.2FATE安全计算平台136
    9.2.1平台概述136
    9.2.2FATE中的隐私计算技术138
    9.2.3平台工作流程139
    9.2.4应用场景141
    9.3CryptDB加密数据库系统142
    9.3.1系统概述142
    9.3.2隐私计算技术在CryptDB中的实现:基于SQL感知的加密策略144
    9.3.3基于密文的查询方法145
    9.3.4应用场景147
    9.4MesaTEE安全计算平台Teaclave148
    9.4.1飞桨深度学习平台与安全计算148
    9.4.2PaddleFL联邦学习框架149
    9.4.3MesaTEE平台概述150
    9.4.4MesaTEE底层可信执行环境150
    9.4.5FaaS服务152
    9.4.6执行器MesaPy153
    9.4.7应用场景——MesaTEE与飞桨154
    9.5Conclave查询系统155
    9.5.1系统概述155
    9.5.2Conclave隐私安全技术介绍156
    9.5.3Conclave查询编译158
    9.5.4应用场景161
    9.6PrivPy隐私计算平台161
    9.6.1PrivPy平台概述161
    9.6.2平台后端安全计算介绍163
    9.6.3用户编程接口165
    9.6.4应用场景166
    9.7隐私计算平台效率问题和加速策略166
    9.7.1隐私计算技术中的效率问题167
    9.7.2异构加速隐私计算168
    9.7.3网络优化解决数据传输问题171
    第10章隐私计算案例解析175
    10.1隐私计算在金融营销与风控中的应用176
    10.2隐私计算在广告计费中的应用182
    10.3隐私计算在广告推荐中的应用185
    10.4隐私计算在数据查询中的应用187
    10.5隐私计算在医疗领域的应用:基因研究189
    10.6隐私计算在医疗领域的应用:医药研究193
    10.7隐私计算在语音识别领域的应用194
    10.8隐私计算在政务部门的应用196
    10.9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233
    A.1《个人信息保护法》与数据保护234
    A.1.1适用范围234
    A.1.2个人信息处理原则234
    A.1.3个人信息保护影响评估制度235
    A.1.4禁止“大数据杀熟”的算法歧视235
    A.1.5个人信息跨境提供规则236
    A.1.6个人信息主体权利236
    A.2《数据安全法》与数据保护237
    A.2.1适用范围和域外效力237
    A.2.2数据分类分级保护制度237
    A.2.3数据安全保护义务237
    A.3《网络安全法》与数据保护238
     

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    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

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购