蚂蚁集团清华大学2024隐私计算产品通用安全分级白皮书71页.pdfVIP

蚂蚁集团清华大学2024隐私计算产品通用安全分级白皮书71页.pdf

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共71页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

隐私计算产品

通用安全分级白皮书

(2024年)

2024年7月

版权声明

本报告版权属于蚂蚁科技集团股份有限公司、中国通信标准化协会大

数据技术标准推进委员会、深圳国家金融科技测评中心、清华大学,并受法

律保护。转载、摘编或利用其它方式使用本报告文字或者观点的,应注明“来

源:隐私计算产品通用安全分级白皮书(2024)”。违反上述声明者,本机构将

追究其相关法律责任。

编制说明

编写指导组(排名不分先后):

王小云中国科学院院士、国际密码协会会士(IACRFellow)

韦韬蚂蚁集团副总裁兼首席技术安全官

任奎浙江大学计算机科学与技术学院院长、区块链与数据安全全

国重点实验室副主任

李肇宁交通银行金融科技创新研究院、网络金融部总经理

何宝宏中国信息通信研究院云计算与大数据研究所所长

钟剑深圳国家金融科技测评中心有限公司董事长

主编单位(排名不分先后):蚂蚁科技集团股份有限公司、中国通信标准

化协会大数据技术标准推进委员会、深圳国家金融科技测评中心、清华大学。

参编单位(排名不分先后):北京银联金卡科技有限公司、招商银行股份

有限公司、中国银行股份有限公司、交通银行股份有限公司、浙江网商银行

股份有限公司、深圳前海微众银行股份有限公司、杭州高新区(滨江)区块

链与数据安全研究院、中国人民大学信息学院、杭州数据交易所、天翼电子

商务有限公司、中移信息技术有限公司、联通数字科技有限公司、深圳市洞

见智慧科技有限公司、华控清交信息科技(北京)有限公司、北京冲量在线

科技有限公司、深圳市纽创信安科技开发有限公司。

参编人员(排名不分先后):潘无穷、王磊、吴莹、彭晋、廖威、徐基明、

刘双、季雨洁、李宏宇、洪澄、周启贤、李婷婷、张晓蒙、黄琳、方文静、

李漓春、翁海琴、沈桢天、段然、王明华、胡树伟、李超、许晓琦、刘焱、

昌文婷、杨冰然、肖俊贤、姜春宇、闫树、袁博、王思源、白玉真、贾轩、

杨靖世、童锦瑞、杨晓芸、董晶、许晋元、罗丰、叶晓聪、袁荣婷、刘强军、

黄榴勇、钱智超、王安宇、冉德龙、丛天硕、杨波、邱晓慧、谭亦夫、胡师

阳、佟冬、傅杰、葛明嵩、张翼飞、石新蕾、谢谨、钱菲、张园超、谢宗华、

陆茂斌、李辉忠、李贺、李昊轩、陈宇杰、王朝阳、杨萌、贾祥娟、张秉晟、

毛应波、刘健、薛峰、黄科满、林洋、潘凯伟、周宇、贺伟、朱江、张金杰、

郭叶、茹志强、降鑫磊、刘洋、孙林、王项男、贾晓芸、何浩、姜峰、王煜

坤、靳晨、陈浩栋、宋雨筱、刘尧、朱凯。

序言

党的十九届四中全会指出:“健全劳动、资本、土地、知识、技术、管

理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”,首次将数

据增列为新的生产要素。数据作为关键的生产要素之一,通过跨地域、跨行

业、跨领域、跨机构的数据流通释放价值。然而,近几年数据泄露和滥用的

上升趋势表明,数据流通仍存在诸多问题。如何在安全风险可防控的前提下,

实现数据的高效流通和交易成为当前数据价值释放面临的首要任务。

数据流通具有双面性:数据价值越高,流通过程中的风险越大。如何让

大规模高价值数据进行可信流通,成为数据要素市场发展的核心议题。传统

的数据安全问题是数据流通内循环问题:数据持有方,也是系统的运维管理

方,对自己的数据安全负全责。随着数据要素市场的发展,数据流通外循环

是更为关键的问题。外循环指的是,数据要素离开了数据持有方的安全域进

行流通,此时数据持有方和系统运维方不同。这给数据流通带来全新的挑战:

流通链路上相关运维管理方有窃取数据的动机和可能,则原有的、依赖运维

管理方构建的安全防御措施全部失效,数据持有方难以有效保护和管控自

己的数据。这也是导致数据持有方不敢提供数据、不愿参与数据流通的重要

原因。

隐私计算有多个起源,目前在工业界广泛使用的隐私计算特指隐私保

护计算(Privacy-preservingcomputing,PPC),也称为隐私增强计算(Privacy-

enhancingcomputing

文档评论(0)

hw + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档