文档

什么是DataTrust

更新时间:
一键部署

DataTrust是基于安全多方计算(Secure Multi-Party Computation,MPC)、联邦学习(Federated Learning,FL)、差分隐私(Differential Privacy,DP)等隐私增强计算(Privacy Enhancing Technique)技术打造的隐私增强计算平台,在保障数据隐私及安全前提下完成多方数据隐私求交、隐匿查询、联合分析、联合训练、联合预测,实现数据价值的流通,助力企业业务增长。

产品核心能力

DataTrust主要解决企业/机构数据流通问题,底层依赖安全多方计算MPC、联邦学习FL、隐私集合求交PSI等隐私计算技术,提供ID安全匹配、隐匿信息查询、安全联邦学习、安全联合分析等核心能力,产品大图如下:

image.png

ID安全匹配

在弱匿名化的前提下进行ID安全匹配。用于在不泄漏数据参与多方原始数据的前提下,得出共有ID集,非共有ID不会透出。

隐匿信息查询

也称隐私信息检索,是指查询方隐藏被查询对象关键词或客户ID信息,数据服务方提供匹配的查询结果却无法获知具体对应哪个查询对象。

安全联邦学习

在原始数据不出域的前提下,通过交换各个参与方的算法训练的中间结果梯度、参数信息,或完全在密文条件下进行计算,从而发挥参与多方数据样本更丰富、更全面的优势,得出更优模型。

安全联合分析

在原始数据不可见的前提下,提供SQL模式对多方数据进行联合分析。

产品核心优势

安全性高 DataTrust,拥有全链路数据保护和权限管理机制,在数据的数据源调取、算法使用、算法变更环节,隐私计算都会发起授权,需要数据合作方进行确认审批,保证数据的使用不会出现数据合作预期之外的场景,全程清晰可见。另外,瓴羊隐私计算底层加密算法全部自研,自研算法在多个顶会中稿,底层算法能力已开源。并且,DataTrust是业界首个获得工信部、ISO、国家金融评测中心三大类评测的隐私计算平台。

性能优越

DataTrust,生长于阿里数据中台实践,在解决大数据场景下有优越的性能,支持百亿级别的PSI、亿级别的SQL分析,千维联邦学习,隐匿信息查询秒级返回;

智能化强

安全性和性能是隐私计算领域的两大挑战,想达到很高的安全性,性能必然受到影响。DataTrust,结合了大量的场景实践,创新性提出了智能计算模式,能保障安全性的前提下,能根据场景、数据量、网络等情况,自动选择最优的协议、最优的计算引擎、最优的算法,自动为该场景匹配最优的计算模式。

优质供给

随着全域群体智能兴起,各大平台在积极探索与生态伙伴的合作,进行数据、场景、业务共创,以推动行业的发展。DataTrust,作为阿里官方隐私计算平台,以安全合规的方式支持数据生态联通,帮助阿里和生态伙伴更好的进行业务创新,带领行业发展。

专业方案

我国数字经济蓬勃发展,企业正在加速数字化转型。企业数字化需要从数据采集、数据处理、数据共享、数据应用等各个环节,进行全链路数字化建设。瓴羊隐私计算,针对不同行业,可以与瓴羊其它产品(包括Dataphin、QuickBI、Quick Audience、Quick Service等)一起,提供专业化的企业数字化方案,不仅能让企业数据被使用起来,还能让企业数据安全流动起来。

应用场景

应用场景

  • 本页导读 (0)
文档反馈