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 开源架构实战 花京华 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 花京华著
    • 出版社: 机械工业出版社
    • 出版时间:2023-10-01 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: 花京华著
    • 出版社:机械工业出版社
    • 出版时间:2023-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-10-01
    • 字数:340
    • 页数:220
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111734147
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    隐私计算 开源架构实战

    作  者:花京华 编
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2023年10月01日
    页  数:220
    装  帧:平装
    ISBN:9787111734147
    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。

    内容简介

    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null

    作者简介

    精彩内容

    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
    ……

    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