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
实时隐匿查询场景 外部数据共享 父主题： 使用场景
数据拥有方公司A同意数据需求方公司B的数据使用申请后，可以由公司A创建合约，合约是需要双方同意的数据使用证明。 合约内容包括：合约名称、合约描述、数据信息、公司B的访问需求、访问限制和自定义限制。其中数据信息、公司B的访问需求来自于公司B的数据使用申请，合约名称、合约描述、访问限制和自定义限制由公司A在创建合约时定义。
"subnet_id" : "9cc4bdd1-ad35-4d0f-849c-71d305121f61" } } 父主题： 使用前必读
多方安全计算场景 场景描述 组合架构 可验证代码示例 父主题： 使用场景
性，数据来源于公开数据Breast Cancer Wisconsin (Diagnostic)。 场景描述 测试步骤 实验结果 父主题： 使用场景
创建数据集时，不允许使用哪些名字？ 问题描述 创建数据集时，对数据集名字有一定约束。 解决办法 创建数据集时，不允许使用如下名字： <EOF> A ABS ABSENT ABSOLUTE ACTION ADA ADD ADMIN AFTER ALL ALLOCATE ALLOW ALTER
可信数据交换场景 场景描述 创建数据 申请使用数据 审批数据申请 创建合约 父主题： 使用场景
实验结果 乳腺癌数据集作业结果 父主题： 横向联邦学习场景
数据集发布 前提条件 完成数据准备工作。 操作步骤 进入TICS服务控制台。 在计算节点管理中，找到购买的计算节点，通过登录地址，进入计算节点控制台。 图1 前往计算节点 登录计算节点后，在下图所述位置新建连接器。 图2 新建连接器 输入正确的连接信息，建立数据源和计算节点之间的安全连接。
外部数据共享 场景描述 准备数据 发布数据集 创建实时隐匿查询作业 执行实时隐匿查询作业 父主题： 实时隐匿查询场景
测试步骤 数据准备 训练型横向联邦作业流程 评估型横向联邦作业流程 父主题： 横向联邦学习场景
可验证代码示例 数据准备 数据集发布 隐私规则防护 基本计算能力验证 基于MPC算法的高安全级别计算 统计型作业的差分隐私保护 父主题： 多方安全计算场景
隐私求交黑名单共享场景 场景描述 准备数据 发布数据集 创建并运行隐私求交作业 查看求交结果 父主题： 使用场景
隐私规则防护 使用TICS的隐私规则防护能力确保数据安全。 前提条件 完成数据集发布。 操作步骤 进入多方安全计算的作业执行界面，单击创建。 图1 创建作业 在作业界面中，按照示例一和示例二提供的案例和SQL语句进行作业测试。 图2 作业界面 示例一： 假设有人输入以下代码试图直接查询敏感数据。
在左侧导航树上选择“可信数据交换 > 数据申请”，打开数据申请页面。 在数据申请页面单击“我收到的”，查看供数方节点收到的申请列表。 数据来源为数据需求方公司B发送来的使用申请：申请交换的数据集、数据集字段（结构化数据才有该字段）。 在申请列表中选择申请状态为“待处理”，单击“查看详情”了解用数方需求。根据实际情况同意或者驳回申请。
POWER_DATA c where b.id = c.id and a.id = b.id 审批时可以看到如下的信息，涉及关联字段较多，其使用方式都能够在审批界面中展示出来。 图1 基础信息 执行结果如下。 图2 执行结果 结果显示，TICS支持大量基础的SQL语法。 图3 SQL编写提醒
不想暴露给企业B自己查询的用户id，因为查询该用户的信息隐含着“该用户是企业A的客户”的信息，存在用户隐私泄露的风险。 企业A和企业B可以使用TICS服务的实时隐匿查询功能，既能满足实时业务高效低延迟的业务需求，又能避免暴露企业A想要查询哪个用户的隐私安全风险。 父主题： 外部数据共享
创建数据 数据拥有方公司A创建和发布数据集。可供选择有两种数据资产类型：结构化数据集、非结构化数据集。创建数据集后，发布数据集，此时对空间内的所有代理可见。 父主题： 可信数据交换场景
场景描述 数据商业空间中公司B针对公司A的某些数据资产存在业务需求，由于安全性和数据主权的考虑，公司A与公司B基于TICS完成数据资产的交换。基于TICS进行数据资产交换，保证公司A的数据主权、公司B的数据可获得，同时保证交换过程安全可信。 以下是数据拥有方公司A和数据需求方公司B基于TICS平台的操作。
8839 5893 0.8 11785 2947 下图为当Host方拥有不同数据量时，使用横向联邦对比己方独立训练的性能对比。 图1 Host方拥有不同数据量时，横向联邦对比对立训练的模型性能 结论为：使用横向联邦学习，在己方拥有不同数据量的情况下都可以显著提升模型性能。 父主题： 实验结果
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
