-
构造请求 - 可信智能计算服务 TICS
请求方法 HTTP请求方法(也称为操作或动词),它告诉服务你正在请求什么类型的操作。 表2 HTTP方法 方法 说明 GET 请求服务器返回指定资源。 PUT 请求服务器更新指定资源。 POST 请求服务器新增资源或执行特殊操作。 DELETE 请求服务器删除指定资源,如删除对象等。
-
阶段六:统计型作业的差分隐私保护 - 可信智能计算服务 TICS
在一定误差范围内保证数据无法被恶意偷取。 图1 差分隐私开关 第一次执行作业的结果如下: 图2 作业结果 在返回最终统计结果前,增加了一个差分隐私计算的任务节点,如图3所示。 图3 差分隐私计算任务节点 再执行如下sql,sql中过滤掉了某个企业,试图用差值去计算这个企业的税收值。 Select industry
-
添加评分模型 - 可信智能计算服务 TICS
操作场景 平台支持基于PMML的模型计算评分,业务管理人员通过将离线训练完成的评分模型(PMML)文件导入RTD平台,使实时消息数据经评分模型执行计算处理后生成模型评分结果,并作为模型变量被存储过程规则所使用。 操作步骤 参考访问RTD WebUI界面,登录RTD WebUI管理界面。
-
添加事件源 - 可信智能计算服务 TICS
过滤数据只含有汉字、数字、字母、中划线、下划线、逗号、点,且不能以逗号开头或结束。多个数据间以逗号分隔,如“123,321”。 根据热点数据过滤配置文件,对每个维度进行匹配。业务数据匹配中则跳过入库、变量和规则计算,未匹配中则正常执行。 过滤结果计入日志RTDExecutor_result.log中,便于后期跟踪定位。
-
查询联邦学习作业列表 - 可信智能计算服务 TICS
"status": [ "NEW", "ACCEPTED", "RUNNING", "SUCCEEDED", "FAILED", "TERMINATED", "PENDING" ], "job_instance_type": [ "SQL", "HFL", "VFL_TRAIN", "VFL_EVALUATE"
-
创建数据集时,不允许使用哪些名字? - 可信智能计算服务 TICS
MODIFIES MODULE MONTH MONTHS MORE MULTISET MUMPS NAME NAMES NANOSECOND NATIONAL NATURAL NCHAR NCLOB NESTING NEW NEXT NO NONE NORMALIZE NORMALIZED NOT
-
查看求交结果 - 可信智能计算服务 TICS
查看求交结果 隐私求交作业执行完成后,企业A可以通过单击“历史作业 > 查看结果”看到隐私求交作业的运行结果,包括交集的大小和交集文件的路径。 打开obs到指定目录下查看,可以看到有两个结果文件,其中一个是交集记录的序号alignedIds.csv,另一个是交集记录的id alignedOriginalIds
-
创建批量预测作业 - 可信智能计算服务 TICS
选择“算法类型”之后,配置是否开启作业重试:开关开启后,执行失败的作业会根据配置定时进行重试,仅对开启后的执行作业生效。开关关闭后,关闭前已触发重试的作业不受影响,仅对关闭后的执行作业生效。 对重试操作配置后,配置CPU配额和内存配额。执行批量预测作业时,会创建新容器来执行,这两个配额参数的值为创建新容器
-
管理任务 - 可信智能计算服务 TICS
管理任务 任务管理是可信智能计算服务提供的一项查看计算节点参与任务的功能。通过任务管理,用户可以查看到曾在该计算节点上执行过的所有作业,并查看自己这个计算节点在作业中的位置以及数据流向。 通过任务管理,用户可以查看自己的计算节点在空间中的作业参与度,并通过“计算过程”来确认数据是否合理、安全地被使用。
-
概述 - 可信智能计算服务 TICS
性的用户才能打开文件,达到数据出域后仍然主权可控的目的。 进行数据交换的角色分为用数方和供数方,用数方通过发送申请传递数据使用需求;供数方确认使用需求后,创建合约发送到供数方进行签署,一旦合约生效,数据交换作业就可以执行。 父主题: 可信数据交换
-
最新动态 - 可信智能计算服务 TICS
功能描述 阶段 相关文档 1 纵向联邦学习 纵向联邦机器学习,适用于参与者训练样本ID重叠较多,而数据特征重叠较少的情况,联合多个参与者的共同样本的不同数据特征进行联邦机器学习,联合建模。 公测 创建纵向联邦学习作业 2 联盟和计算节点支持自助升级 在实际应用中,升级、回滚是一个常见的
-
管理文件 - 可信智能计算服务 TICS
件的功能。通过文件管理,参与方无需通过登录后台手动导入模型文件,而是直接将模型文件上传到数据目录进行管理。 使用文件管理功能后,创建联邦学习作业时用户可以便捷地选择自己以前上传的执行脚本、训练模型、数据文件、权重参数文件,极大地提高了系统的易用性及可维护性。 创建文件 用户登录TICS控制台。
-
数据优化 - 可信智能计算服务 TICS
这种情况下双方可以重复2-5的步骤更新自己提供的数据,多次执行样本分布统计直至达到比较满意的碰撞结果和分布结果。 至此联邦建模的数据准备阶段完成,接下来就是使用准备好的数据进行联邦建模。 父主题: 使用TICS多方安全计算进行联合样本分布统计
-
统计型作业的差分隐私保护 - 可信智能计算服务 TICS
在一定误差范围内保证数据无法被恶意偷取。 图1 差分隐私开关 第一次执行作业的结果如下: 图2 作业结果 在返回最终统计结果前,增加了一个差分隐私计算的任务节点,如图3所示。 图3 差分隐私计算任务节点 再执行如下sql,sql中过滤掉了某个企业,试图用差值去计算这个企业的税收值。 Select industry
-
创建样本分布统计作业 - 可信智能计算服务 TICS
厂商B的数据集,为保证数据安全和参与方的知情权,tics服务会自动解析sql语句将大数据厂商B需要执行的sql语句发送到大数据厂商B的计算节点上,当大数据厂商B同意审批之后才可以执行该条sql。 除此之外,tics服务会基于数据集的安全隐私策略自动校验sql语句中字段的使用方式,
-
基本概念 - 可信智能计算服务 TICS
愿受限使用。 计算节点是管理参与方数据的最小单位。部署计算节点时需要指定空间配置信息。在计算节点中支持配置连接器,注册数据集,任务执行,查看任务执行日志。 连接器(Connector) 连接器是可信智能计算节点内置的连接特定数据源所需的对象模板,目前支持连接MRS Hive、My
-
开发数据预处理作业 - 可信智能计算服务 TICS
理结果,查看是否符合预期并进行预处理方法调试。直到预处理结果符合预期结果,则单击列表下方的“保存并执行”按键执行预处理。 图5 添加预处理方法 执行预处理结束后,页面跳转到作业列表。单击预处理作业列表中的开发按钮,再次进入作业开发页面,页面展示数据转换后的各项统计结果。例如缺失值
-
筛选特征 - 可信智能计算服务 TICS
筛选特征 样本对齐执行完成后单击下一步进入“特征选择”页面,这一步企业A需要选出企业A自己和大数据厂商B的特征及标签用于后续的训练。 企业A可以选择特征及标签后“启动分箱和IV计算”,通过联邦的统计算法计算出所选特征的iv值,一般而言iv值较高的特征更有区分性,应该作为首选的训练
-
创建作业 - 可信智能计算服务 TICS
可单击页面上方“格式化”来对排版进行美化,完成后单击“保存”。 图3 编写SQL语句 单击编辑器右侧的“作业配置项”,进行作业配置。 重试:开关开启后,执行失败的作业会根据配置定时进行重试,仅对开启后的执行作业生效。开关关闭后,关闭前已触发重试的作业不受影响,仅对关闭后的执行作业生效。 执行参数:用于作业调优。当前可用执行参数介绍如下:
-
概述 - 可信智能计算服务 TICS
集。 单独使用场景 数据持有双方为获取己方与对方数据的交集,在不暴露其它数据的情况下,将需要获取交集的那一部分数据与对方的数据,通过创建并执行可信智能计算服务提供的隐私求交作业,可以得到最终交集数据并保存下来,用于后续的数据分析以及使用。 联合使用场景 用于纵向联邦学习中数据对齐。