大数据隐私计算工程师岗位招聘考试试卷及答案.docVIP

大数据隐私计算工程师岗位招聘考试试卷及答案

大数据隐私计算工程师岗位招聘考试试卷及答案

题型一：填空题（10题，每题1分）

1.联邦学习按参与方数据特征可分为横向联邦、纵向联邦和______联邦。

2.差分隐私的核心参数中，______表示隐私预算敏感度，值越小保护越强。

3.可信执行环境的英文缩写是______。

4.支持任意多次加法和乘法的同态加密是______同态加密。

5.隐私计算三大核心技术：联邦学习、差分隐私和______。

6.安全多方计算的英文缩写是______。

7.零知识证明中，证明者无需泄露______即可完成证明。

8.联邦学习中仅持有模型更新、不持原始数据的参与方是______。

9.欧盟通用数据保护条例缩写是______。

10.隐私计算核心目标：保护数据______前提下实现价值。

答案：

1.联邦迁移；2.ε（epsilon）；3.TEE；4.全；5.安全多方计算（MPC）；6.MPC；7.任何额外信息；8.客户端；9.GDPR；10.隐私

题型二：单项选择题（10题，每题2分）

1.已商业化且效率较高的同态加密是？

A.全同态B.半同态C.部分同态D.无

2.本地差分隐私（LDP）属于哪种保护方式？

A.集中式B.分布式C.混合式D.无

3.联邦学习中聚合模型参数的通常是？

A.客户端B.服务器C.参与方1D.参与方2

4.TEE典型实现是？

A.IntelSGXB.NVIDIACUDAC.AMDROCmD.阿里云ECS

5.MPC中适合线性回归的协议是？

A.混淆电路B.秘密共享C.零知识证明D.同态加密

6.隐私计算与大数据的关系是？

A.限制应用B.支撑合规应用C.无关D.替代大数据

7.零知识证明核心属性是？

A.完整性+可靠性B.正确性+安全性C.零知识性+完备性D.有效性+隐私性

8.两次差分隐私查询的总预算消耗是？

A.Δ1+Δ2B.Δ1×Δ2C.max(Δ1,Δ2)D.Δ12+Δ22

9.联邦学习开源框架是？

A.TensorFlowB.PyTorchC.FATED.Scikit-learn

10.中国个人信息保护核心法规是？

A.GDPRB.CCPAC.个人信息保护法D.数据安全法

答案：

1.B；2.B；3.B；4.A；5.B；6.B；7.C；8.A；9.C；10.C

题型三：多项选择题（10题，每题2分，多选/少选不得分）

1.隐私计算三大核心技术包括？

A.联邦学习B.差分隐私C.MPCD.机器学习

2.联邦学习优势是？

A.数据不出本地B.合规性强C.计算效率高D.跨域协作

3.差分隐私应用场景？

A.医疗统计B.电商行为分析C.金融反欺诈D.人口普查

4.MPC适用场景？

A.多方联合计算B.无可信第三方C.高安全需求D.低延迟

5.TEE部署方式？

A.硬件TEEB.软件TEEC.混合TEED.云端TEE

6.隐私计算合规标准？

A.GDPRB.个人信息保护法C.CCPAD.数据安全法

7.零知识证明类型？

A.交互式B.非交互式C.简洁式D.通用式

8.联邦学习挑战？

A.通信开销大B.模型收敛慢C.数据异质性D.安全风险

9.隐私计算行业应用？

A.金融B.医疗C.政务D.电商

10.MPC与联邦学习区别？

A.MPC无可信第三方B.MPC效率低C.MPC支持任意计算D.MPC依赖硬件

答案：

1.ABC；2.ABD；3.ABCD；4.ABC；5.ABCD；6.ABCD；7.ABCD；8.ABCD；9.ABCD；10.ABC

题型四：判断题（10题，每题2分，√/×）

1.全同态加密已完全成熟商业化。（×）

2.差分隐私ε越小，保护越强。（√）

3.联邦学习必须依赖中心服务器。（×）

4.TEE是硬件级隐私隔离技术。（√）

5.MPC不依赖任何可信第三方。（√）

6.零知识证明无需交互。（×）

7.隐私计算完全牺牲数据价值。（×）

8.GDPR是中国隐私法规。（×）

9.联邦学习仅适用于机器学习。（×）

10.同态加密效率高于明文。（×）

题型五：简答题（4题，每题5分）

1.简述隐私计算三大核心技术及特点

答案：隐私计算三大技术为联邦学习、差分隐私、MPC。联邦学习：数据不出本地，跨域建模（横向/纵向/迁移），适合机器学习；差分隐私：添加随机噪声，保证相邻数据集输出不可区分，适合统计分析；MPC：多方联合计算（秘密共享等），无可信第三方，适合高安全任意计算。

2.横向联邦与纵向联邦的区别

答案：横向联邦（样本不同、特征重叠）：如两家银行客户信贷数据（客户不同、特征均为年龄/收入）；纵向联邦（样本相同、特征互补）：如电商（购买记录）与银行（信贷记录，用户ID相同）；核心差异为样本和特征的重叠维度。

3.差分隐私核心思想及ε、δ含义

答案：核心：对结果加噪声，使