19. 隐私保护之【联邦计算】

联邦计算是指通过安全多方计算或者可信执行环境实现数据的拥有方和数据的贡献方之间的数据安全共享方式。各节点之间通过加密机制进行参数交换，在满足安全保密的情况下构建虚拟计算模型，使不同机构的数据不需出库，数据自身并不移动，将计算结果通过安全聚合的方式在各机构之间进行共享和传递，从而实现数据的点对点安全交换以及“可用不可见”式共享。

比如，桔子想要统计一下25到30岁年龄段人的平均工资，桔子找了包括趣链在内的三家不同行业的企业作为样本，但是桔子拿不到趣链员工的工资信息，更拿不到其他企业的员工工资信息，但利用联邦计算的模式，桔子可以设计一个算法可以自动计算员工的工资平均值，然后把算法通过区块链发送给三家企业的数据库里进行计算，然后桔子拿到三个计算结果之后，再根据不同行业在社会人群中的占比权重计算加权平均，便得到了桔子想要的平均工资。通过这种方式，桔子可以在不侵犯任何一个员工隐私数据的前提下，获得想要的数据，实现数据“可用不可见”。

此外，联邦计算的计算规则、计算模型、访问控制、调用记录、申请审核记录等信息全程记录在区块链上，通过区块链的记录信息可以做到跨领域、跨部门、跨系统的数据互联互通过程的实时审计、安全管控和穿透式监管，在保护数据安全的基础上提升多方业务协作效率，发挥数据共享的价值。

联邦机器学习是联邦计算模式与机器学习技术的融合，在联邦计算的基础上，加入机器学习算法，更高效地利用数据，根据用户需要完成机器学习的模型训练。趣链科技针对于解决数据隐私保护与共享的产品BitXMesh将提供联邦学习的功能，在数据隐私的保护上，联邦学习可以在保证各方数据不被调出本地数据库的前提下，参与方结合各方数据进行联合训练模型，并共同获益。

下期预告：预言机。大家可以关注趣链科技的微博，一起来参与趣块链的话题讨论吧！