隐私计算技术在医疗行业的方案与实践.pdfVIP

| 隐 私 计 算 在 医 疗 行 业 的 方 案 与 实 践 目录 • 隐私计算认知 • 隐私计算产品 • 医疗行业实践 | 隐私计算的定义 问题 问题 有多方参与 且各方互不信任的场景下， 能够聚合多方信息 并保护数据隐私的智能计算范式 目标 Privacy-Preserving Computation An intelligent computing paradigm that can aggregate information from multiple parties and protect data privacy in scenarios where multiple parties are involved and the parties do not trust each other. | 隐私计算的组成 | 隐私计算的网络效应 内容增值服务商 数据增值服务商 （电商、社交、娱乐等） （保险、助贷、营销、医疗） 网络运营商 数据网络运营商 （电信、移动、华数等） （政府、征信、运营商、医疗等） 通信设备商 隐私计算产品服务商 （华为、中兴、诺西等） （蚂蚁、腾讯、华控等） 从社会角度，隐私计算可链接数据孤岛、打破数据垄断、填补信任鸿沟 保险公司 互联网金融 电商 银行 数据要素价值融合与应用网络 商家 消金 政府 数据供应商 医疗数据ISV 医疗机构 | 蚂蚁隐私计算领域专利与实践 去标识化和脱敏技术 多方安全计算数据分析 基于多方安全计算 安全沙箱 联邦学习 基于多方安全计算 的数据分析 基于多方安全计算和 隐私枢纽 可信执行环境 拆分学习 同态加密的机器学习 联邦学习的 联合医疗诊断 差分隐私 基于差分隐 多方安全计算 零知识证明 基于可信执 私和可信执 信贷联合风控