隐私计算

于是，联邦学习应运而生，成为人工智能“量身定制”的隐私计算解决方案。

而近年来，随着隐私计算技术的出现，数据共享即将告别瞻前顾后的窘境，引领“主动出击”新趋势。

华控清交基于多方安全计算并融合其他隐私计算技术提出的安全数据融合解决方案，能够在不解密加密数据的情况下，直接以密文数据进行计算，从技术层面解决了数据隐私保护与数据高效流通对立的问题，使多个非互信金融数据源之间可以在数据全程加密的前提下进行高效的大数据融合和计算。

翼方健数协助厦门实现医疗数据战略从顶层设计到底层实现的“落地”，为厦门医疗大数据的科研协作分析以及精准医学的发展提供了有力的基础设施保障，是目前所知首个利用隐私计算技术实现城市级数字化应用的案例。

翼方健数协助厦门实现医疗数据战略从顶层设计到底层实现的“落地”，为厦门医疗大数据的科研协作分析以及精准医学的发展提供了有力的基础设施保障，是目前所知首个利用隐私计算技术实现城市级数字化应用的案例。

简单来说，隐私计算就是通过技术实现数据“可用不可见”，让不同来源的数据安全共享，产生更大价值，具体包括了如TEE（基于芯片的可信计算环境）、基于密码学的安全多方计算（MPC）、源自人工智能的联邦学习等在内的各类技术的单项或综合使用。