检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
配置IEF高可用节点 IEF高可用节点实现该功能要手动操作，使用rsync命令在多台虚机间定时同步文件，操作步骤如下： 以下教程适用于ECS机器系统为Centos 7.5。操作前需要购买两台同网段同文件系统的ecs节点A与节点B。 在两台虚机上安装rsync及corntab服务，
配置IEF高可用节点 IEF高可用节点实现该功能要手动操作，使用rsync命令在多台虚机间定时同步文件，操作步骤如下： 以下教程适用于ECS机器系统为Centos 7.5。操作前需要购买两台同网段同文件系统的ecs节点A与节点B。 在两台虚机上安装rsync及corntab服务，
数据预处理是训练机器学习模型的一个重要前置步骤，其主要是通过转换函数将特征数据转换成更加适合算法模型的特征数据过程。TICS特征预处理功能能够实现对数据的探索、分析、规整以及转换，以达到数据在训练模型中可使用、可实用，在TICS平台内完成数据处理到建模的闭环。 假设您有如下数据集（只
与其他云服务的关系 统一身份认证服务 TICS使用统一身份认证服务（Identity and Access Management，简称IAM）实现认证和鉴权功能。 云审计服务 TICS使用云审计服务（Cloud Trace Service，简称CTS）审计用户在管理控制台页面的操作，
可信联邦学习是可信智能计算服务提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经被称为联邦机器学习。 联邦预测作业 联邦预测作业在保障用户数据安全的前提下，利用多方数据和模型实现样本联合预测。 可信智能计算节点 数据参与方使用数据源计算节点模块实现自主可控的数据源注册、隐私策略（脱敏、加密）的
产品优势 多域协同 支持在分布式的、信任边界缺失的多个参与方之间建立互信空间； 实现跨组织、跨行业的多方数据融合分析和多方联合学习建模。 灵活多态 支持对接主流数据源（如MRS、 DLI、 RDS、 Oracle等）的联合数据分析； 支持对接多种深度学习框架(TICS，TensorFlow)的联邦计算；
险联防联控效用。 在信息核验过程中，通过隐私计算技术实现多方黑名单数据共享，对电诈、洗钱、骗贷等行为的黑名单用户进行安全求交、匿踪查询，能够有效提升客户背景调查的安全可信程度。 现有两家企业A、B，双方决定通过TICS平台实现黑名单数据共享，通过隐私求交作业计算两方黑名单ID交集。本文以企业A为计算作业的发起方为例。
基本概念 空间（League） 可信智能计算服务的逻辑概念，由组织方创建。空间绑定不同数据保护方式的聚合器，并邀请多方数据提供者参与，在空间内实现数据有限共享应用，提炼数据价值。 空间是联邦计算的载体。空间需要购买才能使用，在空间中可以管理合作成员，合作数据以及查看可信智能计算环境。执行联邦计算任务需要指定空间。
用区域和可用区来描述数据中心的位置，您可以在特定的区域、可用区创建资源。 区域（Region）指物理的数据中心。每个区域完全独立，这样可以实现较大程度的容错能力和稳定性。资源创建成功后不能更换区域。 可用区（AZ，Availability Zone）是同一区域内，电力和网络互相隔
这种情况下，xx医院想申请使用其他机构的乳腺癌患者数据进行乳腺癌预测模型建模会非常困难。因此可以通过华为TICS可信智能计算平台的横向联邦功能，实现在患者隐私不泄露的前提下，利用其他机构的医疗数据提升乳腺癌预测模型的准确率。 进一步地，可根据该模型案例发散，构建老年人健康预测、高血压预测、失能早期预警模型等。
数据管理概述 TICS的数据管理由“连接器管理”和“数据管理”两部分来实现： 连接器是可信智能计算服务提供的一项访问参与方数据资源的功能。参与方填写连接信息来创建对应类型的连接器，并通过这些连接器访问到各类型资源的结构化信息。当前支持MRS服务(Hive)、本地数据集、RDS数据
概述 联邦预测作业在保障用户数据安全、模型资产安全的前提下，利用多方数据和模型实现样本联合预测。 目前TICS支持两种类型的预测方式： 批量预测： 批量预测通过在计算节点后台发起离线预测任务的方式，在任务完成后可以获得指定数据集中所有样本的预测结果。 实时预测： 实时预测通过在计
华为云可信智能计算服务TICS（ Trusted Intelligent Computing Service ）在面向政企行业中， 打破跨行业的数据孤岛， 实现行业内部、跨行业之间在数据隐私保护下的多方数据联合分析和联邦计算能力。 产品首页 立即使用 成长地图 由浅入深，带您玩转TICS 01 了解
发起方执行恶意脚本后，由于安全沙箱确保每个横向联邦作业都是隔离的，当某个作业想去访问或篡改其他作业相关的文件时，无法找到作业执行结果文件，因此脚本执行失败、无法篡改，从而实现安全防护。 图3 恶意脚本执行结果 父主题： 可信联邦学习作业
2021年7月 序号 功能名称 功能描述 阶段 相关文档 1 联邦预测 新增支持联邦预测作业。联邦预测作业在保障用户数据安全的前提下，利用多方数据和模型实现样本联合预测。 公测 联邦预测作业 2 联邦分析新增union all语法 安全多方计算MPC扩展语法支持union all语法。 公测 创建联邦数据分析作业
应用。 注意，此时的预处理方法已冻结，与训练数据预处理作业保持一致，不可再修改。 依次单击“描述性统计”、“批量刷新分布”，评估预处理方法效果是否符合预期。评估通过后，单击“保存并执行”，完成对评估/预测数据的处理和生成。 图10 生成处理后的评估/预测数据 发布预处理后的评估/
启用区块链审计服务（可选）等一系列操作后，可以根据自身的业务需求使用TICS提供的常用实践。 表1 常用最佳实践 实践 描述 基于TICS实现端到端的企业积分查询作业 本最佳实践提供了通过统一制定隐私规则，使用TICS进行安全计算，避免真实数据被窃取的使用案例。 父主题： 快速入门
electric_bal 电费 敏感 water_bal 水费 敏感 从业务角度考虑，安排五个阶段，来对TICS系统进行验证和测试。本章重点讲述如何端到端实现一个该场景下的隐私计算作业完整执行流程。 导入数据 在第一个合作方Partner1的MySQL数据源中，通过如下的SQL语句创建数据表： CREATE
准备数据 A方提供了待查询的用户ID数据，样例如下： blacklist_query.csv id 1914fd1aef9346e7a1b0a63c95aa918e 6b86b273ff34fce19d6b804eff5a3f57 66985617b4f74d14b4eceeaa25d61f5e
准备数据 企业A的实时业务不需要准备数据，在发起查询时通过参数传递需要查询的用户id。 表1 企业B用户画像数据 字段名称 字段类型 描述 id string hash过后的手机号字符串 f0-f4 float 用户数据画像特征 bigdata_all.csv id,f0,f1,f2
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
