登录
主页
文章
同态加密与个性化推荐
一、同态加密技术核心原理与优势同态加密是一种特殊的加密技术，允许对加密数据直接进行计算，运算结果解密后与明文计算结果一致。同态加密（Homomorphic Encryption, HE）是密码学领域的 “魔术”—— 它允许对加密数据直接进行数学运算，且运算结果解密后与明文运算完全一致。其核心原理基于代数结构同态性，例如：加法同态：E(a) + E(b) = E(a + b)，乘法同态：E(a) ✕ E(b) = E(a ✕ b)
2025-06-03
628
3
5
零知识证明在身份认证领域的应用
身份认证作为网络世界的 “电子门禁”，其重要性不言而喻。然而，传统身份认证方式在安全与隐私保护方面逐渐暴露出诸多弊端。密码泄露、身份信息滥用等事件频发，给用户带来了巨大的安全隐患。零知识证明（Zero - Knowledge Proof，ZKP）技术的出现，为解决这些问题提供了全新的思路，正逐渐成为重塑数字身份信任体系的关键技术。
2025-06-03
1021
9
5
联邦学习优化交通流量与提升出行体验
在智能交通领域，数据分散于不同主体且隐私敏感的现状，已成为制约行业高效协同与安全发展的关键挑战。想象这样一个场景：早高峰时段，城市主干道因交通事故陷入拥堵，交通管理部门虽掌握事故信息，但无法获取实时车辆密度数据；导航平台虽有海量用户轨迹，却不了解道路施工临时管制措施。多方数据各自孤立，导致拥堵加剧，通勤效率骤降。而联邦学习（Federated Learning）凭借 “数据不动模型动”“数据可用不可见” 的特性，为打破这一困局提供了安全可行的技术路径。
2025-06-03
1105
1
0
交互式与非交互式零知识证明对比
零知识证明（Zero-Knowledge Proof, ZKP）是一种密码学技术，允许证明者（Prover）在不向验证者（Verifier）泄露任何具体信息的前提下，使验证者相信某个断言（Statement）为真。根据证明过程中是否需要证明者与验证者实时交互，零知识证明可分为交互式零知识证明（Interactive ZKP）和非交互式零知识证明（Non-Interactive ZKP, NIZKP）。
2025-06-02
985
5
13
联邦学习在医疗领域的应用
在数字化浪潮席卷医疗行业的当下，医疗数据如同深埋地下的宝藏，蕴含着巨大的价值。从疾病诊断、治疗方案优化，到药物研发、健康管理，这些数据本可成为推动医疗进步的强劲动力。然而，它们却因患者隐私问题而被层层束缚。传统的集中式数据处理与模型训练方式，需要将大量敏感的医疗数据汇聚到一处，这无疑让患者隐私暴露在极大的风险之中，犹如将珍宝置于危险的敞篷马车之上，在充满风险的道路上前行。也因此，这种方式在医疗领域面临着难以逾越的障碍，严重阻碍了医疗数据的深度挖掘与高效利用。
2025-06-02
1014
9
8
全同态加密（OpenFHE）
OpenFHE（Open Fully Homomorphic Encryption）是基于全同态加密（FHE）技术的开源项目，允许数据在加密状态下直接进行计算，无需解密，从而确保数据隐私和安全。其核心优势在于密文计算的同时保护数据隐私，这使得它在多个对数据安全和隐私敏感的领域具有广泛应用场景。OpenFHE的前身是PALISADE，而PALISADE又采用了DARPA Proceed项目中Sipher软件库的开放模块化设计原则。Sipher的开发始于2010年，专注于模块化开放设计原则，以支持在多种全同态加密（FHE）方案和硬件加速器后端（包括移动、FPGA和基于CPU的计算系统）上快速部署应用程序。2014年，PALISADE在早期Sipher设计的基础上开始构建，2017年开源发布，之后每6个月都有重大改进。PALISADE的开发最初由DARPA的Proceed和Safeware项目资助，后续的改进由DARPA的其他项目、IARPA、NSA、NIH、美国海军、斯隆基金会以及Duality Technologies等商业实体资助。
2025-05-31
675
4
9
从理论到实践：同态加密标准化进程解读
同态加密从理论提出到标准化经历了多个阶段，国际标准化组织及相关联盟也在其中发挥了重要作用，标准化对同态加密技术的广泛应用有着积极的推动作用。一、同态加密的发展历程1.全同态加密的最初设想1978 年，密码学领域的先驱 Rivest、Adleman 和 Dertouzos 提出了全同态加密的概念，当时被称为 “隐私同态”。这一构想源于对数据处理中隐私泄露问题的深度思考，其核心目标是实现数据在加密状态下直接进行任意计算，从而确保数据所有者在分享数据时无需担心隐私泄露。在设想中，数据可通过硬件在物理隔离的处理器上完成处理，但受限于当时硬件技术水平，这一构想未能在实践中实现，却为后续的研究指明了方向。
2025-05-31
637
3
1
同态加密在物联网数据聚合与分析中的关键作用
在物联网（IoT）时代，智能家居设备、城市交通传感器、工业生产监测装置等各类设备如雨后春笋般涌现，产生了海量的数据。据国际数据公司（IDC）预测，到2025年全球物联网设备设备数量已突破 300 亿台，产生的数据量将高达79.4ZB。这些数据蕴含着巨大价值，能为优化城市管理、提升工业生产效率、改善居民生活质量等提供有力支撑。比如某智能电网通过分析用户用电数据，精准预测负荷峰值，将输电损耗降低 15%，某汽车制造商基于车载传感器数据优化供应链，使零部件库存周转率提升22%。
2025-05-30
760
0
3
同态加密在医疗领域的应用与挑战
医疗领域数据安全共享面临多重挑战：一是隐私泄露风险，电子病历、基因数据等包含敏感信息，传统共享方式易导致身份、病史等隐私暴露，且基因数据泄露可能引发伦理问题；二是合规性难题，不同国家和地区的数据安全法规（如《个人信息保护法》《健康医疗数据安全指南》）存在差异，跨境共享时合规性冲突显著，同时患者数据授权边界模糊，难以满足“知情同意”原则；三是技术瓶颈，数据格式异构（如文本、影像、基因序列）导致标准化难度大，传统加密技术无法支持加密数据直接计算；四是信任与协作壁垒，医疗机构间存在数据孤岛，缺乏统一的信任机制，跨机构共享时责任划分不清晰，且中小型机构因资金和技术限制难以部署高成本的安全防护体系。
2025-05-30
1193
4
4
差分隐私技术的有效性和局限性
差分隐私（Differential Privacy, DP）由计算机科学家Cynthia Dwork于 2006 年提出，其核心思想是：通过向数据中添加精心设计的随机噪声，确保单个个体的加入或删除不会显著改变数据分析结果的分布，从而从数学上严格保证隐私不可侵犯。评估差分隐私技术需构建多维度、多层次的评估体系，既要验证其数学理论的严谨性，也要考量工程落地的可行性。
2025-05-29
1020
9
5
差分隐私的应用领域
差分隐私作为隐私保护的“黄金标准”，已从理论研究渗透至多个行业的数据全生命周期管理。其核心价值在于通过数学严格性平衡数据开放与隐私保护。一、政府与公共数据发布1.场景扩展 宏观统计：人口普查、经济普查、自然灾害损失评估； 公共安全：犯罪热点分析、反恐数据共享；
2025-05-29
1168
7
13
联邦学习与深度学习结合
联邦学习（Federated Learning）与深度学习（Deep Learning）的结合，是当前人工智能领域的研究热点之一。这种结合既发挥了深度学习在复杂数据建模中的强大能力，又通过联邦学习的分布式框架解决了数据隐私、安全和合规问题，尤其适用于医疗、金融、物联网等数据敏感场景。
2025-05-28
721
9
14
如何利用差分隐私技术在医疗领域守护患者隐私
在数字化医疗快速发展的当下，医疗数据已然成为一座蕴藏无限价值的宝库。一份完整的电子病历，不仅记录着患者的疾病诊断、治疗记录，还可能包含基因数据、生活习惯等敏感信息；而基因检测报告中携带的遗传密码，更是与个人健康、家族病史紧密相连。这些数据对于医学研究、新药研发和疾病防控意义重大，例如通过分析大量糖尿病患者数据，能够精准发现疾病发病规律，为开发更有效的治疗方案提供依据。但数据泄露事件频发，一旦这些隐私信息被恶意获取，患者可能面临医疗数据倒卖、遗传歧视，甚至人身安全威胁等严重后果，医疗数据隐私保护已成为亟待解决的关键问题。差分隐私技术的出现，为打破医疗数据利用与隐私保护之间的困局提供了破局之道。
2025-05-28
747
1
8
复杂场景下目标检测
现实场景中的目标检测面临遮挡、光照变化、背景杂乱、尺度差异等多重挑战，这些因素会导致特征提取不完整、模型泛化能力下降。 一、多模态融合目标检测方法 核心思路：融合不同模态数据的互补信息，弥补单一模态的局限性。 1. 模态类型与融合策略 | 模态组合 | 应用场景 | 融合优势 |
2025-05-28
1133
5
13
开源模型评测框架（LMEval）
随着大型语言模型（LLM）和多模态模型（如GPT-4V、Google Gemini）的快速发展，模型评估面临碎片化挑战：不同厂商的API协议、数据格式和评测标准差异显著，导致跨模型对比需要重复开发适配代码，效率低下且结果不可靠。谷歌于2024年10月推出的LMEval（Large Model Evaluation Framework），正是针对这一痛点打造的开源工具链，目的是建立统一的模型评估生态，覆盖从学术研究到工业落地的全场景需求。
2025-05-28
1198
2
3
企业流程自动化智能体（AppSheet）带来的改变
在数字化转型浪潮中，企业对高效、灵活且贴合自身业务流程的解决方案需求愈发迫切。AppSheet作为一款强大的无代码应用开发平台，正凭借其独特优势，在企业流程自动化领域大放异彩，成为众多企业推动业务创新、提升运营效率的得力助手。同时重塑SaaS行业的底层逻辑与产业生态 。
2025-05-27
1092
5
1
怎么理解智能体和知识库是当下AI的重点方向？
智能体是“执行者”，负责感知环境、制定策略和执行动作；知识库是“智慧源”，提供领域知识、逻辑规则和经验沉淀。二者结合的本质是将数据驱动的“学习能力”与知识驱动的“推理能力”深度融合，使AI系统既能适应动态环境，又能保持决策的准确性和可解释性，最终推动AI从“通用型工具”向“垂直领域专家”演进。这种模式尤其适合对可靠性、专业性要求高的场景（如医疗、金融、工业），是实现“可信AI”和“行业深度赋能”的关键路径。
2025-05-27
794
9
4
图数据库的查询语言：Gremlin与Cypher的对比与应用
传统的关系型数据库在处理复杂关联数据时往往显得力不从心，而图数据库因其独特的图结构，能够更好地处理和表示数据之间的复杂关系，近年来受到了广泛的关注和应用。在图数据库领域，查询语言是开发者与数据库进行交互的关键工具，其中Gremlin与Cypher是两种最为常用的查询语言。
2025-05-23
575
9
9
云端数据仓库（HashData）
HashData成立于2016年2月，总部位于中国上海，是国内首批专注于云原生数据仓库研发的高新技术企业。创始团队汇聚了来自Oracle、华为、EMC等全球顶尖科技公司的资深专家，核心成员平均拥有15年以上分布式系统、数据库内核及云计算领域的技术积累。 目前，HashData已服务超过200家行业头部客户，覆盖金融、政务、运营商、能源、互联网等领域，并与阿里云、腾讯云、华为云等主流云厂商达成深度合作，成为国内云原生数据仓库领域的标杆企业。
2025-05-23
1090
6
10
数据签名在不同行业的创新应用案例分享
在数字化时代，数据的安全性和完整性愈发重要。数据签名作为一种有效的安全技术手段，正广泛应用于各个行业，为解决行业痛点、提升业务效率和保障数据可信性发挥着关键作用。数据签名是基于密码学的技术手段，通过非对称加密算法实现数据完整性、真实性和不可否认性验证，具有数据完整性、身份认证性、不可否认性等核心特性，其技术历经传统加密算法、抗量子密码算法兴起、与区块链融合等阶段演进，在金融领域可防欺诈与保障合规性、医疗行业能确保数据安全与隐私保护、政务领域可提升文件合法性与政务效率、电商行业可增强交易信任与售后维权、供应链领域能实现溯源防伪与流程优化，但目前面临安全性威胁、跨平台互操作性、法律与标准滞后等挑战，未来将朝着抗量子签名技术普及、与边缘计算融合实现轻量化、与智能合约结合实现自动化、发展隐私增强型签名技术等方向发展，作为数字信任的基础设施，其在各行业数字化转型中作用显著，与新兴技术融合将拓展应用边界，为数字经济生态提供核心支撑，有望成为“可信互联网”的关键基石。
2025-05-22
1163
6
2
-
-
© 2021 - 现在 杭州极深数据有限公司 版权所有
（深数据® DEEPDATA® 极深®）
联系我们
浙公网安备 33018302001059号
浙ICP备18026513号-1号
