中文字幕人成乱码熟女小说,国产熟女老妇免费倣爱视频

內容簡介

　　《機密計算：AI數(shù)據(jù)安全和隱私保護》系統(tǒng)介紹了面向人工智能領域中的數(shù)據(jù)安全、隱私保護技術和工程實踐。本書首先探討了人工智能領域所面臨的各種數(shù)據(jù)安全和隱私保護的問題及其核心需求，并在此基礎上縱覽和比較了各種隱私保護計算技術和解決方案的利弊；然后詳細闡述了目前比較具有工程實踐優(yōu)勢的可信執(zhí)行環(huán)境技術，及其在主流人工智能場景中的工程實踐參考案例。此外，本書介紹了關于數(shù)據(jù)安全和隱私保護的概念、原理、框架及產品，從而幫助讀者對機密計算的技術全景有整體的理解?！稒C密計算：AI數(shù)據(jù)安全和隱私保護》適合計算機和軟件行業(yè)從業(yè)者、研究人員及高校師生閱讀，尤其適合從事人工智能和隱私保護計算的架構師和開發(fā)人員閱讀。

作者簡介

　　胡寅瑋英特爾數(shù)據(jù)平臺事業(yè)部中國云計算平臺工程部總監(jiān)。負責為中國及亞太區(qū)的云服務商提供云服務器和數(shù)據(jù)平臺的全棧式技術方案，包括CPU定制、服務器平臺設計開發(fā)、云固件研發(fā)、軟件性能優(yōu)化、計算安全及集群陣列調優(yōu)。閆守孟螞蟻集團研究員，螞蟻可信基礎設施負責人。領導了螞蟻集團SOFAEnclave（Occlum、HyperEnclave、KubeTEE等）機密計算軟件棧、隱私計算加速硬件和可信隱私計算一體機的研發(fā)，發(fā)起并主導制定了國內外多項可信執(zhí)行環(huán)境和隱私計算一體機標準。有關技術產品已在螞蟻、阿里巴巴、微軟Azure及諸多隱私計算企業(yè)得到廣泛應用，產生了重要的社會和經濟價值。加入螞蟻之前，在Intel中國研究院從事基礎技術研究，多項研究成果應用在Intel軟硬件產品中。曾在PLDI、ASPLOS、ATC、ASE等發(fā)表多篇會議論文，并擁有30余件專利。在西北工業(yè)大學獲得計算機應用技術專業(yè)博士學位。吳源英特爾數(shù)據(jù)平臺事業(yè)部資深AI與安全軟件工程師。主要負責基于英特爾可信執(zhí)行環(huán)境的人工智能應用和隱私計算。工作重點主要包括聯(lián)邦學習、深度學習的隱私保護，以及與云計算廠商共同構建基于英特爾可信執(zhí)行環(huán)境的人工智能應用方案。曾參與發(fā)表多篇關于人工智能性能優(yōu)化和可信執(zhí)行環(huán)境的白皮書。朱運閣英特爾數(shù)據(jù)平臺事業(yè)部軟件方案項目組深度學習工程師。研究興趣和專長主要包括可信執(zhí)行環(huán)境、聯(lián)邦學習和同態(tài)加密。工作重點是基于可信執(zhí)行環(huán)境的數(shù)據(jù)安全和隱私保護計算。曾參與發(fā)表多篇關于可信執(zhí)行環(huán)境安全計算的白皮書，并將解決方案作為實踐發(fā)表在國內知名社區(qū)網(wǎng)站上。龔奇源博士，英特爾資深機器學習工程師。2016年博士畢業(yè)于東南大學計算機應用專業(yè)，師從羅軍舟教授，博士期間主要從事數(shù)據(jù)隱私相關研究。2017年加入英特爾，從事大數(shù)據(jù)、機器學習和數(shù)據(jù)隱私相關工作。是大數(shù)據(jù) AI開源項目Analytics-Zoo和大數(shù)據(jù)存儲管理開源項目SSM的主要貢獻者。黃曉軍英特爾數(shù)據(jù)平臺事業(yè)部資深云計算工程師。長期從事軟件架構設計和開發(fā)工作，專注于深度學習應用開發(fā)與性能優(yōu)化，以及基于隱私保護機器學習、聯(lián)邦學習、同態(tài)加密和可信執(zhí)行環(huán)境的應用場景落地。曾參與多個數(shù)據(jù)安全領域開源項目的開發(fā)工作。惠思遠英特爾數(shù)據(jù)平臺事業(yè)部軟件工程師。主要從事數(shù)據(jù)安全和隱私保護、人工智能等領域的研究與開發(fā)等工作，目前與國內多家云計算廠商合作研發(fā)基于英特爾可信執(zhí)行環(huán)境的解決方案。研究興趣包括可信執(zhí)行環(huán)境、聯(lián)邦學習和機器學習系統(tǒng)等。步建林人工智能與安全軟件工程師。主要從事人工智能、高性能計算與隱私保護計算等領域的相關工作。工作重點主要包括AI推理引擎與訓練框架的研發(fā)與優(yōu)化，以及基于可信執(zhí)行環(huán)境的隱私保護計算方案的設計與構建。畢業(yè)于合肥工業(yè)大學微電子科學與工程專業(yè)，擁有學士學位。

圖書目錄

第１部分基本概念框架
第1章數(shù)據(jù)安全的挑戰(zhàn)與需求         2
1.1 數(shù)據(jù)安全的戰(zhàn)略意義   3
1.2 數(shù)據(jù)產業(yè)面臨的安全挑戰(zhàn)   5
1.3 數(shù)據(jù)安全核心需求        8
1.3.1 數(shù)據(jù)生命周期     8
1.3.2 數(shù)據(jù)安全需求     9
1.4 隱私保護計算背景        10
1.4.1 基本概念     10
1.4.2 國內外政策環(huán)境         12
1.5 AI領域中的數(shù)據(jù)安全問題   15
1.5.1 AI中的CIA數(shù)據(jù)安全模型 15
1.5.2 AI中的攻擊模型         16
1.5.3 典型AI場景中的數(shù)據(jù)安全問題        18
參考文獻         20

第2章隱私保護計算技術         21
2.1 安全多方計算        22
2.1.1 安全多方計算的定義和分類     22
2.1.2 不經意傳輸         23
2.1.3 混淆電路     25
2.1.4 秘密共享     27
2.1.5 零知識證明         29
2.1.6 應用場景     31
2.2 同態(tài)加密        31
2.2.1 部分同態(tài)加密     33
2.2.2 類同態(tài)加密         37
2.2.3 全同態(tài)加密         38
2.2.4 應用場景     40
2.3 差分隱私        41
2.3.1 基本定義     42
2.3.2 噪聲機制     42
2.3.3 應用場景     44
2.4 可信執(zhí)行環(huán)境        45
2.4.1 英特爾SGX 46
2.4.2 ARM TrustZone    47
2.4.3 AMD SEV      48
2.4.4 應用場景     51
2.5 各類技術比較        51
2.5.1 安全多方計算     52
2.5.2 同態(tài)加密     52
2.5.3 差分隱私     53
2.5.4 可信執(zhí)行環(huán)境     53
參考文獻         54

第3章 AI場景中的隱私保護計算方案    58
3.1 聯(lián)邦學習        59
3.1.1 聯(lián)邦學習簡介     59
3.1.2 橫向聯(lián)邦學習架構及案例         60
3.1.3 縱向聯(lián)邦學習架構及案例         62
3.2 聯(lián)邦學習擴展方案        64
3.2.1 共享智能     64
3.2.2 聯(lián)邦智能     65
3.2.3 知識聯(lián)邦     66
3.3 AI推理   67
3.4 隱私保護計算方案總結        69
參考文獻         70

第2部分深度技術解析
第4章可信執(zhí)行環(huán)境技術         72
4.1 背景介紹        73
4.2 架構概述        75
4.2.1 芯片支持     75
4.2.2 固件支持     80
4.2.3 軟件棧         80
4.3 關鍵技術        82
4.3.1 內存組織結構     83
4.3.2 內存加密引擎     85
4.3.3 Enclave生命周期        88
4.3.4 線程運行模式     91
4.3.5 密鑰     92
4.3.6 認證     92
4.4 SGX防御的攻擊    98
4.4.1 硬件攻擊防御     99
4.4.2 軟件攻擊防御     99
4.5 SGX面臨的威脅及其防御    101
4.5.1 拒絕服務攻擊     101
4.5.2 Iago攻擊     102
4.5.3 側信道攻擊         102
4.5.4 Enclave代碼漏洞        102

第5章可信執(zhí)行環(huán)境應用程序開發(fā)         104
5.1 軟件棧   105
5.1.1 驅動     105
5.1.2 Qemu/KVM虛擬化     106
5.1.3 軟件棧SDK和PSW     107
5.1.4 數(shù)據(jù)中心認證DCAP   109
5.2 應用程序開發(fā)        112
5.2.1 應用程序開發(fā)基本原理     112
5.2.2 應用程序基本構成     115
5.2.3 Hello World案例         116
5.3 TEE生態(tài)技術介紹 125
5.3.1 TEE SDK        125
5.3.2 TEE程序分割      126
5.3.3 TEE LibOS     128
5.3.4 TEE容器棧 135
第3部分工程應用實踐

第6章聯(lián)邦學習的隱私保護與工程實踐         138
6.1 聯(lián)邦學習的數(shù)據(jù)安全問題   139
6.1.1 半誠實的參與方的問題     141
6.1.2 第三方協(xié)作者的數(shù)據(jù)安全問題         147
6.1.3 傳輸間數(shù)據(jù)安全問題         148
6.2 TEE安全技術解決方案 153
6.2.1 應用程序隔離     153
6.2.2 遠程認證     155
6.2.3 基于遠程認證的傳輸層安全協(xié)議     156
6.3 案例實踐        163
6.3.1 橫向聯(lián)邦學習實踐     164
6.3.2 縱向聯(lián)邦學習實踐     170
6.3.3 總結與展望         173
參考文獻         174

第7章在線推理服務的安全方案與工程實踐         176
7.1 在線推理服務的安全問題   177
7.1.1 云原生在線推理參考架構及其組件         177
7.1.2 威脅模型與安全目標         181
7.2 安全方案與設計原理   188
7.2.1 安全技術與方案         188
7.2.2 安全模型與邊界         192
7.3 案例實踐        194
參考文獻         198

第8章大數(shù)據(jù)AI的安全方案和工程實踐        200
8.1 大數(shù)據(jù)AI應用中的安全問題       201
8.1.1 大數(shù)據(jù)生態(tài)與相關技術     202
8.1.2 安全目標     206
8.1.3 威脅模型     208
8.2 安全技術與參考方案   209
8.2.1 現(xiàn)有大數(shù)據(jù)安全技術         209
8.2.2 基于TEE的大數(shù)據(jù)AI安全方案        218
8.2.3 工作流程與安全性分析     219
8.3 案例實踐        222
8.3.1 可信的大數(shù)據(jù)AI平臺        223
8.3.2 可信的聯(lián)邦學習平臺         225
8.4 總結與展望   229
參考文獻         230