Fork me on GitHub

12 2023 档案

摘要:隐私计算:数据匿名化的优点和缺点数据分析是如今商业社会业务运营的核心工具,节省成本的同时还可以深入了解用户偏好,通过定制产品来收获最大化收益。然而,企业持有的大量数据是用户的私有数据,可能会危及用户的隐私安全。 阅读全文
posted @ 2023-12-26 11:26 PrimiHub 阅读(338) 评论(0) 推荐(0) 编辑
摘要:全球隐私计算技术发展概览目前,数字经济正面临着一个巨大的问题。一方面个人数据处理能力的指数级增长创造了一系列前所未有的可能性,人类可以通过人工智能获得非常有价值的信息。另一方面这些人工智能技术正在给我们带来新的隐私威胁。 阅读全文
posted @ 2023-12-21 13:38 PrimiHub 阅读(407) 评论(0) 推荐(0) 编辑
摘要:数据隐私治理所面临的四大挑战近年来,隐私功能越来越受到重视,在重大立法改革和加强监管审查的支持下,各组织通过部署和扩展专门的隐私计划和职能来做出回应。隐私不再是信息安全、法律或道德的一个子集,而是一门专业学科,需要全球专门的隐私专业人士投入时间和精力。 阅读全文
posted @ 2023-12-20 10:50 PrimiHub 阅读(63) 评论(0) 推荐(0) 编辑
摘要:数据脱敏和数据加密,它们有什么不同?无论是静态数据存储、数据使用,还是数据传输,任何时候保护数据的安全都是至关重要的,本文将介绍目前两种常见的数据混淆方法——数据脱敏和数据加密。 阅读全文
posted @ 2023-12-18 11:12 PrimiHub 阅读(812) 评论(0) 推荐(0) 编辑
摘要:量子计算对密码学的威胁及应对方式当量子计算机问世时,许多加密方式将慢慢失去效果。本文将阐述原因以及正在研究的后量子密码学,以帮助人们适应后量子时代的密码学。量子计算机的出现不仅会对现代密码学构成挑战,还可能永远改变我们的数据加密方法。 阅读全文
posted @ 2023-12-14 17:32 PrimiHub 阅读(903) 评论(0) 推荐(0) 编辑
摘要:全同态加密正在改变行业游戏规则?隐私专业人士正在见证隐私技术的一场革命。新的隐私增强技术的出现和成熟是这场革命的一部分,这些技术允许数据使用和协作,而无需共享纯文本数据或将数据发送到中心位置。 阅读全文
posted @ 2023-12-08 10:53 PrimiHub 阅读(88) 评论(0) 推荐(0) 编辑
摘要:全同态加密(Fully Homomorphic Encryption,FHE)中经常提到的一个术语是“自举”(Bootstrapping)。任何读过FHE初级材料的人都知道,自举是FHE方案中最复杂和计算密集的组成部分。然而,除了在领域内工作的密码学家之外,很少有人真正理解自举操作是什么,以及存在各种不同的自举方法,每种方法都有其自己的权衡考虑。本文将揭开自举概念的神秘面纱,纠正该领域常见的误解,并比较常见FHE方案中的自举方法。 阅读全文
posted @ 2023-12-06 10:50 PrimiHub 阅读(475) 评论(0) 推荐(0) 编辑
摘要:随着AIGC的爆火,企业越来越多地开始采用生成式人工智能、自然语言处理 (NLP) 和神经网络来扩展功能,增强用户体验。但这种变化引出了一个复杂的挑战:如何理解和应用生成人工智能统计数据来优化产品,同时维持人工智能支出。在本文中,我们收集了对企业有用的前 30 个生成人工智能统计数据。 阅读全文
posted @ 2023-12-04 16:08 PrimiHub 阅读(210) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示