面向金融行业的可信隐私计算评测解决方案
【摘要】:在大数据、人工智能等技术在金融行业不断融合应用的背景下,金融机构的数据保护意识与对数据价值挖掘的需求日益增长,基于联邦学习的各类隐私计算平台应用也越来越广泛.然而,金融行业隐私计算平台还存在易受恶意样本攻击、样本偏见攻击等问题,为了实现隐私计算平台的数据安全测评,提出面向金融行业的可信隐私计算评测解决方案,构建联邦学习可信安全评测的集成框架.首先设计联邦学习数据安全性测试工具,利用数据中毒攻击方式检测恶意数据对联邦建模的影响,实现联邦数据安全可信评测;其次设计联邦学习数据公平性测试工具,利用数据偏见攻击方式检测偏见数据对联邦建模的影响,实现联邦数据偏见评测.提出的可信隐私计算评测解决方案以期提供面向金融行业的隐私计算可信安全评测服务,提升数据与算法的安全性、可靠性,实现隐私计算技术在联合风控、联合营销、黑名单共享等金融行业场景的可信安全应用.
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|