掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
隱私計算開源架構實踐 版權信息
- ISBN：9787111734147
- 條形碼：9787111734147 ; 978-7-111-73414-7
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
隱私計算開源架構實踐 本書特色
本書為隱私計算開源社區FATE一級貢獻者、數據安全專家花京華老師的傾心之作、受到業內的范濤、徐常亮、毛仁歆等專家的鼎立支持與推薦。
隱私計算開源架構實踐 內容簡介
隱私計算是指在保護數據本身不對外泄露的前提下，實現數據共享、分析、計算、建模的技術集合，以達到對數據“可用、不可見”的目的。隱私計算涉及多個學科和技術體系，從實現所使用的技術上看，包含三個主要技術路線：聯邦學習、安全多方計算和可信執行環境。
本書主要介紹聯邦學習和安全多方計算兩種技術路線，在講解理論知識的基礎上結合開源架構進行代碼分析、安裝和運行。第1章介紹隱私計算所需基礎理論知識；第2章根據聯邦學習建模流程結合開源框架FATE進行介紹；第3～5章介紹安全多方計算，包括不經意傳輸、秘密共享和混淆電路；第6章介紹具有特定功能的隱私計算協議，包括隱私集合求交和隱私信息檢索；第7章介紹隱私保護的安全聯合分析，分別介紹了SMCQL和Conclave兩個框架，主要涉及聯合分析過程的SQL計劃優化和明密文混合運行。本書提供關聯的開源架構源代碼，獲取方式見封底。
本書適合隱私計算入門從業者，以及需要快速搭建隱私計算產品的研發人員閱讀學習。
隱私計算開源架構實踐 目錄
出版說明
前言
第1章隱私計算概述/
1.1隱私計算的定義與分類/
1.2隱私計算技術理論基礎/
1.2.1安全多方計算/
1.2.2密碼學/
1.2.3機器學習/
第2章聯邦學習/
2.1聯邦學習簡介/
2.1.1聯邦學習的由來與發展/
2.1.2聯邦學習與分布式機器學習/
2.1.3聯邦學習分類/
2.2聯邦學習主要開源框架/
2.2.1主要開源項目簡介/
2.2.2開源框架FATE/
2.2.3開源框架FederatedScope/
2.2.4開源框架PaddleFL/
2.3FATE架構分析/
2.3.1fate-arch 架構模塊/
2.3.2FATE Flow調度模塊/
2.3.3FederatedML算法模塊/
2.3.4FATE Board可視化模塊/
2.3.5FATE Serving在線服務模塊/
2.3.6Docker-Compose與Kubernetes部署/
2.4FATE聯邦特征工程/2.4.1特征分箱/
2.4.2特征歸一化/
2.4.3特征篩選/
2.4.4特征編碼/
2.5FATE聯邦機器學習模型/
2.5.1邏輯回歸/
2.5.2XGBoost/
2.6經典案例：使用縱向聯邦學習進行信用評分卡建模/
第3章不經意傳輸/
3.1OT技術簡介/
3.2基礎OT及其擴展/
3.2.12選1的基礎OT/
3.2.22選1的OT擴展——IKNP/
3.2.3n選1的OT擴展——KK［13］/
3.2.4∞選1的OT擴展——KKRT［16］/
3.2.5C-OT與R-OT/
3.3OT技術的泛化/
3.3.1OPRF技術/
3.3.2OPPRF技術/
3.3.3不經意多項式計算/
3.3.4不經意線性函數/
3.4OT 開源實現/
第4章秘密共享/
4.1秘密共享基礎協議/
4.1.1加法秘密共享/
4.1.2門限秘密共享/
4.1.3復制秘密共享/
4.1.4可驗證秘密共享/
4.2技術架構及主要開源框架/
4.2.1常見開源秘密共享架構簡介/
4.2.2開源框架TF Encrypted/
4.2.3開源框架CrypTen/
4.3TF Encrypted中的協議實現/
4.3.1SecureNN協議/
4.3.2TF Encrypted中SecureNN的實現/4.3.3TF Encrypted主要安全算子/
4.3.4實例：使用TF Encrypted實現縱向訓練/
4.4CrypTen協議及實現介紹/
4.4.1CrypTen協議簡介/
4.4.2CrypTen主要代碼實現/
4.4.3CrypTen主要安全算子/
4.4.4實例：使用CrypTen訓練縱向卷積神經網絡/
第5章混淆電路/
5.1基于亂碼表的混淆電路/
5.1.1姚氏混淆電路/
5.1.2點置換技術Point-and-Permute/
5.1.3行縮減技術GRR/
5.1.4“免費”“異或”門Free-XOR/
5.1.5半門技術 Half-Gates/
5.2基于秘密共享的混淆電路/
5.2.1GESS協議/
5.2.2GMW協議/
5.2.3BGW協議/
5.2.4BMR協議/
5.3混合協議/
5.3.1ABY混合協議框架/
5.3.2ABY3混合協議框架/
5.3.3TF Encrypted中的ABY3實現/
第6章面向應用的隱私保護技術/
6.1應用介紹/
6.1.1隱私集合求交/
6.1.2隱私信息檢索/
6.2PSI主要實現方案/
6.2.1RSA盲簽名/
6.2.2DH密鑰交換/
6.2.3混淆布隆過濾器方案/
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/6.3.2全同態加密方案XPIR/
6.3.3全同態加密方案SealPIR/
6.3.4FrodoPIR/
第7章隱私保護的安全聯合分析/
7.1安全聯合分析概述/
7.2SMCQL/
7.2.1SMCQL原理簡介/
7.2.2架構及主要實現分析/
7.2.3SMCQL的安裝/
7.2.4醫療聯合分析案例/
7.3Conclave/
7.3.1Conclave原理簡介/
7.3.2架構主要實現及分析/
7.3.3Conclave的安裝/
7.3.4JIFF作為后端的MPC框架運行/
7.3.5Obliv-C作為后端的MPC框架運行/
參考文獻/
前言
第1章隱私計算概述/
1.1隱私計算的定義與分類/
1.2隱私計算技術理論基礎/
1.2.1安全多方計算/
1.2.2密碼學/
1.2.3機器學習/
第2章聯邦學習/
2.1聯邦學習簡介/
2.1.1聯邦學習的由來與發展/
2.1.2聯邦學習與分布式機器學習/
2.1.3聯邦學習分類/
2.2聯邦學習主要開源框架/
2.2.1主要開源項目簡介/
2.2.2開源框架FATE/
2.2.3開源框架FederatedScope/
2.2.4開源框架PaddleFL/
2.3FATE架構分析/
2.3.1fate-arch 架構模塊/
2.3.2FATE Flow調度模塊/
2.3.3FederatedML算法模塊/
2.3.4FATE Board可視化模塊/
2.3.5FATE Serving在線服務模塊/
2.3.6Docker-Compose與Kubernetes部署/
2.4FATE聯邦特征工程/2.4.1特征分箱/
2.4.2特征歸一化/
2.4.3特征篩選/
2.4.4特征編碼/
2.5FATE聯邦機器學習模型/
2.5.1邏輯回歸/
2.5.2XGBoost/
2.6經典案例：使用縱向聯邦學習進行信用評分卡建模/
第3章不經意傳輸/
3.1OT技術簡介/
3.2基礎OT及其擴展/
3.2.12選1的基礎OT/
3.2.22選1的OT擴展——IKNP/
3.2.3n選1的OT擴展——KK［13］/
3.2.4∞選1的OT擴展——KKRT［16］/
3.2.5C-OT與R-OT/
3.3OT技術的泛化/
3.3.1OPRF技術/
3.3.2OPPRF技術/
3.3.3不經意多項式計算/
3.3.4不經意線性函數/
3.4OT 開源實現/
第4章秘密共享/
4.1秘密共享基礎協議/
4.1.1加法秘密共享/
4.1.2門限秘密共享/
4.1.3復制秘密共享/
4.1.4可驗證秘密共享/
4.2技術架構及主要開源框架/
4.2.1常見開源秘密共享架構簡介/
4.2.2開源框架TF Encrypted/
4.2.3開源框架CrypTen/
4.3TF Encrypted中的協議實現/
4.3.1SecureNN協議/
4.3.2TF Encrypted中SecureNN的實現/4.3.3TF Encrypted主要安全算子/
4.3.4實例：使用TF Encrypted實現縱向訓練/
4.4CrypTen協議及實現介紹/
4.4.1CrypTen協議簡介/
4.4.2CrypTen主要代碼實現/
4.4.3CrypTen主要安全算子/
4.4.4實例：使用CrypTen訓練縱向卷積神經網絡/
第5章混淆電路/
5.1基于亂碼表的混淆電路/
5.1.1姚氏混淆電路/
5.1.2點置換技術Point-and-Permute/
5.1.3行縮減技術GRR/
5.1.4“免費”“異或”門Free-XOR/
5.1.5半門技術 Half-Gates/
5.2基于秘密共享的混淆電路/
5.2.1GESS協議/
5.2.2GMW協議/
5.2.3BGW協議/
5.2.4BMR協議/
5.3混合協議/
5.3.1ABY混合協議框架/
5.3.2ABY3混合協議框架/
5.3.3TF Encrypted中的ABY3實現/
第6章面向應用的隱私保護技術/
6.1應用介紹/
6.1.1隱私集合求交/
6.1.2隱私信息檢索/
6.2PSI主要實現方案/
6.2.1RSA盲簽名/
6.2.2DH密鑰交換/
6.2.3混淆布隆過濾器方案/
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/6.3.2全同態加密方案XPIR/
6.3.3全同態加密方案SealPIR/
6.3.4FrodoPIR/
第7章隱私保護的安全聯合分析/
7.1安全聯合分析概述/
7.2SMCQL/
7.2.1SMCQL原理簡介/
7.2.2架構及主要實現分析/
7.2.3SMCQL的安裝/
7.2.4醫療聯合分析案例/
7.3Conclave/
7.3.1Conclave原理簡介/
7.3.2架構主要實現及分析/
7.3.3Conclave的安裝/
7.3.4JIFF作為后端的MPC框架運行/
7.3.5Obliv-C作為后端的MPC框架運行/
參考文獻/
展開全部
隱私計算開源架構實踐 作者簡介
花京華，浙江工業大學碩士，杭州某數據安全公司高級專家，在隱私計算、機器學習、人工智能（自然語言處理）、大數據等方面有近十年實踐經驗，并在相關領域擁有十余個專利。曾獲得FATE社區一級貢獻者、年度貢獻之星等多個榮譽，為多個隱私計算開源社區做出貢獻。
書友推薦
- >
經典常談
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
龍榆生：詞曲概論/大家小書
- >
隨園食單
- >
我與地壇
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
