隐私计算应用 面向金融场景的应用要求.pdfVIP

隐私计算应用 面向金融场景的应用要求 1 范围 本文件规定了隐私计算产品面向金融场景在易用性、金融场景支持功能、算法能力与安全性、场景 应用方面必要的能力要求。 本文件适用于金融机构开展隐私计算金融应用的研发、测试、应用和验收。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本 （包括所有的修改单）适用于本 文件。 GB/T25069-2022 信息安全技术 术语 GB/T 35295-2017 信息技术 大数据 术语 JR/T0196-2020 多方安全计算金融应用技术规范 3 术语、定义和缩略语 3.1 术语及定义 GB/T25069-2022、GB/T 35295-2017、JR/T 0196-2020界定的以及下列术语和定义适用于本文件。 3.1.1 隐私计算 privacy-preserving computation 在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据 在流通与融合过程中的 “可用不可见”。 3.1.2 多方安全计算 securemulti-party computation 多方安全计算主要研究针对无可信第三方情况下，安全地进行多方协同的计算问题。即在一个分布 式网络中，多个参与实体各自持有秘密数据，各方希望以这些数据为输入共同完成对某函数的计算，而 要求每个参与实体除计算结果、预期可公开的信息外均不能得到其他参与实体的任何输入信息。 注：多方安全计算的常用技术有混淆电路 （GarbledCircuit）、不经意传输 （ObliviousTransfer）、秘密分享 （也称 为秘密分割，Secret Sharing）、同态加密 （HomomorphicEncryption）等。 3.1.3 联邦学习 federatedlearning 一种多个参与方在保证各自原始私有数据不出数据方定义的私有边界的前提下，协作完成某项机 器学习任务的机器学习模式。 4 T/CCSA XXXX—XXXX 3.1.4 可信执行环境 trusted execution environment 数据计算平台上由软硬件方法构建的一个安全区域，可保证在安全区域内部加载的代码和数据在机 密性和完整性方面得到保护。 3.1.5 参与方 participant 根据参与方在隐私计算任务中扮演的角色与功能不同，将参与方划分为数据方、算法方、调度方、 计算方、结果方、任务发起方。 注：数据方提供计算任务的所需私有数据，算法方提供隐私计算的算法 （计算逻辑和算法参数），调度方管理和协 调其他参与方执行隐私计算任务，计算方为计算任务提供计算能力 （算力），任务发起方触发隐私计算任务，结果方能 获取隐私计算任务的结果。 3.1.6 数据集 data set 数据记录汇聚的形式。 [来源：GB/T35295-2017,2.1.46]。 3.1.7 加密 encipherment encryption 对数据进行密码变换以产生密文的过程。 [来源：GB/T25069-2022,3.278]。 3.1.8 融合数据集 joint data set 多方安全计算或联邦学习任务中各方数据集的并集。 注：在方安全计算或联邦学习任务中，该“融合”是虚拟的，各参与方的原始数据集并未汇聚到一个节点进行融合， 只是各方交换了数据集的描述信息 （如数据的字段列表、数据数量）。虚拟的融合数据集便于各方了解参与当前方安全 计算或联邦学习任务的各方数据的标识、字段、数量等信息。 3.1.9 有效位数 effectivenumbersofbits 对没有小数位且以若干个零结尾的数值，从非零数字最左一位向右数得到的位数减去无效零（即仅 为定位用的零）的个数。对其他数值，从非零数字最左一位向右数而得到的位数。 [来源：JR/T0196—2020，3.13] 3.1.10 特征工程 featureengineering 一系列用于筛选数据特征以提升模型训练效果的工程化方法。 3