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
入数据的描述。 配置安全组，操作步骤请参考如何配置安全组。 安全组配置示例 该步骤是为了确保计算节点的部署节点能够与该MRS集群通信以获取Hive数据。 一种方式是让计算节点与MRS集群的master节点处于同一个安全组。 另一个方式，是配置MRS集群的安全组策略，开放部分端口提供给计算节点。
league_server_ip_security_group_rule String 入方向安全组规则ID league_server_snat_ip String 空间server组件的ip，为server的snatip，设置代理节点的入方向安全组规则 nat_eip String 可信节点绑定的网关的ip，CCE部署时会返回该值
查看作业计算过程和作业报告 在空间侧查看作业计算过程和作业报告 用户登录TICS控制台。 在左侧导航树上单击“空间作业”，打开“空间作业”页面。 在作业列表上，单击对应作业操作栏的“作业报告”。可在弹出的页面查看作业报告。 图1 空间侧查看作业报告 空间侧不支持查看作业执行结果，
数据使用和监管。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。 安全的作业管理 作业时，数据使用的过程可审计、可追溯。TICS数据集成支持多方安全计算、可信联邦学习和联邦预测作业等作业方式。 多方安全计算 多方安全计算是可信智能计算提供的关系型数据安全共享和分析功能，
多方安全计算是可信智能计算服务（TICS）提供的关系型数据安全共享和分析功能。 您可以创建多方安全计算作业，根据合作方已提供的数据，编写相关SQL作业并获取您所需要的分析结果，能够在作业运行的同时保护数据使用方的数据查询和搜索条件，避免因查询和搜索请求造成的数据泄露。 父主题： 服务介绍
创建作业 多方安全计算是可信智能计算提供的关系型数据安全共享和分析功能。您可以创建多方安全计算作业，根据合作方已提供的数据，编写相关SQL作业并获取您所需要的分析结果，同时能够在作业运行保护数据使用方的数据查询和搜索条件，避免因查询和搜索请求造成的数据泄露。 前提条件 空间组建完成，参考组建空间。
同一个空间中的用户，在使用可信计算服务时（多方安全计算和可信联邦学习），需要部署计算节点，将数据上传，作为可信计算服务的输入，通过执行多方安全计算和可信联邦学习作业后，最终拿到结果。 计算节点以容器的形式部署，支持云容器引擎（CCE，Cloud Container Engine）服务和智能边缘平台（IEF，Intelligent
同一个空间中的用户，在使用可信计算服务时（多方安全计算和可信联邦学习），需要部署计算节点，将数据上传，作为可信计算服务的输入，通过执行多方安全计算和可信联邦学习作业后，最终拿到结果。 计算节点以容器的形式部署，支持云容器引擎（CCE，Cloud Container Engine）服务和智能边缘平台（IEF，Intelligent
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，实现了数据在存储、流通、计算过程中端到端的安全和可审计，推动了跨行业的可信数据融合和协同。 在调用可信智能计算服务TICS API之前，
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、计算过程中端到端的安全和可审计，推动了跨行业的可信数据融合和协同。 产品架构 产品架构如图1所示。 图1 产品架构
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、计算过程中端到端的安全和可审计，推动了跨行业的可信数据融合和协同。 使用TICS的用户角色 根据人员的职能进行划
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。
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
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”的全过程流向，基本符合业界已公开的PSI算法流程和同态加密流程。 图2 加密流程 图3 加密流程 父主题： 可验证代码示例
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 + 秘密分享”的全过程流向，基本符合业界已公开的PSI算法流程和秘密分享流程。 图2 加密流程 图3 加密流程 父主题： 基于TICS实现端到端的企业积分查询作业
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
准备数据 首先，企业A和大数据厂商B需要商议确定要提供的数据范围及对应的元数据信息，双方初始决定使用最近三个月的已有用户转化数据作为联邦训练的训练集和评估集，之后使用每周产生的新数据作为联邦预测的预测集。 表1 企业A的数据 字段名称 字段类型 描述 id string hash过后的手机号字符串
数据准备 以下数据和表结构是根据场景进行模拟的数据，并非真实数据。 以下数据需要提前存导入到MySQL\Hive\Oracle等用户所属数据源中，TICS本身不会持有这些数据，这些数据会通过用户购买的计算节点进行加密计算，保障数据安全。 政府信息提供方的数据tax和support，
准备数据 首先，企业A和大数据厂商B需要商议确定要提供的数据范围及对应的元数据信息，例如双方初始决定使用最近三个月的已有用户转化数据作为联邦训练的训练集和评估集。 表1 企业A的数据 字段名称 字段类型 描述 id string hash过后的手机号字符串 col0-col4 float
准备数据 企业A和大数据厂商B需要按照训练模型使用的特征，提供用于预测的数据集，要求预测的数据集特征必须包含训练时使用的特征。 表1 企业A的数据 字段名称 字段类型 描述 id string hash过后的手机号字符串 col0-col4 float 企业A数据特征 industry_predict
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
