安全多方计算是基于密码学原理实现的多方数据隐私计算技术,能够在各个计算参与方的原始数据不泄露的情况下,完成多个参与方之间的数据计算过程。
联邦学习是采用数据不动模型动的方式进行机器学习模型训练,将模型在各个参与方的数据集中进行独立训练,各参与方将训练的中间结果汇总后得到最终的训练结果,从而保障各参与方的数据不出本地,即可完成多方模型训练。
在隐私计算过程中,数据资源是最重要的生产要素,因此对数据资源的管理尤其重要。平台提供数据资源可视化管理功能,能够便捷的接入数据资源、浏览联盟成员共享的数据资源、管理计算过程衍生出来的数据资源。