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
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
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1~4提供的案例和SQL语句进行作业测试。 图2 作业界面 假设有人输入以下代码试图直接查询敏感数据。 select
概述 可信联邦学习作业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。 安全可信。 多种训练场景。 方便与已有服务对接。 使用场景 横向联邦机器学习 横向联邦机器学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情况，联合多个参与者的具有相
创建数据集 通过数据集，用户可获取到名下详细的资源列表。同时，对于有敏感信息的数据集，还可以单独设置隐私策略，并在发布到空间侧后对其他参与方生效，限制敏感信息的使用，保障数据安全。 创建结构化数据集 创建数据集前需存在已创建好的连接器，参考创建连接器。 用户登录TICS控制台。
dataset_ids 否 Array of strings 样本对齐数据集id集合 large_data_agent 否 String 大数据量参与方agentId，最大32位，由字母和数字组成 job_creation_agent 否 String 作业发起方代理ID，最大32位，由字母和数字组成
新容器来执行，该参数的值为创建新容器的内存。 样本粗筛：当己方数据过大无法导出成文本文件时，可以使用样本粗筛获取合作方的明文id前缀，使用大数据组件筛选出id前缀相符的数据，达到减少数据量的目的。样本粗筛时还可以选择多个标记为“非敏感”的字段进行过滤，结果会按照“id前缀,过滤字段1
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；
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。
数据优化 根据统计结果，双方可能会发现存在以下两个问题： 碰撞后的数据总数比较小。 碰撞后的数据分布不太均衡，负样本的比例过高。 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。
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。
组合架构 架构说明 图1 架构图例 作业发起方通过计算节点提供的控制台页面，发起多方安全计算作业。 多方安全计算作业在TICS中进行解析和任务计划构建，并下发任务给各个数据参与方所在的计算节点。 参与方计算节点从租户侧网络内的数据中获取数据，并使用安全算法进行加密输出。 数据在TICS提供的服务器中进行机密计算。
产品概述 可信智能计算服务TICS（ Trusted Intelligent Computing Service ）打破数据孤岛，在数据隐私保护的前提下，实现行业内部、各行业间的多方数据联合分析和联邦计算。TICS基于安全多方计算MPC、区块链等技术，实现了数据在存储、流通、计算
TICS使用简介 可信智能计算服务TICS（ Trusted Intelligence Computing Service ）打破数据孤岛，在数据隐私保护的前提下，实现行业内部、各行业间的多方数据联合分析和联邦计算。TICS基于安全多方计算MPC、区块链等技术，实现了数据在存储、
概述 欢迎使用可信智能计算服务TICS (Trusted Intelligent Computing Service)。可信智能计算服务TICS打破数据孤岛，在数据隐私保护的前提下，实现行业内部、各行业间的多方数据联合分析和联邦计算。TICS基于安全多方计算MPC、区块链等技术，
阶段五：基于MPC算法的高安全级别计算 完成demo验证阶段，为提升数据保护级别，接入以纯密文的状态做计算的更高安全级别的数据，可以通过开启高隐私级别开关，提升空间安全级别。 图1 高隐私级别开关 再次单击作业，审批进行的同时敏感数据被进行了秘密分享加密。DAG图显示了“psi +
应用场景 政企信用联合风控 金融机构对于中小微企业的信用数据通常不足，央行征信数据覆盖率有限，不良企业多家骗贷事件屡有发生。金融机构与政府部门，如税务部门、市场监管部门、水电公司等在保护各方原始数据隐私的前提下，通过多方联合建模，金融机构补充了风控模型特征维度，提升模型准确率。 优势：
基于MPC算法的高安全级别计算 完成demo验证阶段，为提升数据保护级别，接入以纯密文的状态做计算的更高安全级别的数据，可以通过开启高隐私级别开关，提升空间安全级别。 图1 高隐私级别开关 再次单击作业，审批进行的同时敏感数据被进行了同态加密。DAG图显示了“psi + 同态”的
创建实时隐匿查询作业 实时隐匿查询作业需要由数据查询方创建作业，企业A单击“作业管理 > 隐匿查询 > 实时隐匿查询”页面的创建按钮，填写相关信息，例如： 其中“不可区分度”即为实时隐匿查询的安全级别，不可区分度越高，则安全级别越高，但查询的速度会变慢，传输的数据量也会变大。 企
安全沙箱机制 背景 当计算节点执行横向联邦训练型作业时，若执行脚本中包含恶意行为，包含但不限于非授权访问其他作业数据、篡改文件和配置、恶意消耗容器资源等场景时，会影响到数据提供方的计算环境安全以及其他学习作业的正常执行。 针对该问题，在边缘节点部署场景中，TICS通过构建Pyth
功能总览 功能总览 全部 空间管理 计算节点管理 多方安全计算作业 可信联邦学习作业 联邦预测作业 空间管理 空间是联邦计算的载体。合作方只有加入空间才能参与联邦计算。空间为首个成员部署计算节点时创建。首个成员空间内的别名为默认league_creator。空间名在创建者租户范围
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
