[开放隐私计算]
《机密计算：AI数据安全和隐私保护 》**
关于本书
《机密计算：AI数据安全和隐私保护》 系统介绍了面向人工智能领域中的数据安全、隐私保护技术和工程实践。 本书首先探讨了人工智能领域所面临的各种数据安全和隐私保护的问题及其核心需求，并在此基础上纵览和比较了各种隐私保护计算技术和解决方案的利弊；然后详细阐述了目前比较具有工程实践优势的可信执行环境（Trusted Execution Environment，TEE）技术，及其在主流人工智能场景中的工程实践参考案例，以推动该技术在中国人工智能领域中更快更广泛地传播和产生更多的创新。此外，本书介绍了关于数据安全和隐私保护的概念、原理、框架及产品，从而帮助读者对机密计算的技术全景有整体的理解。 值得一提的是，此书的作者们长期致力于为互联网行业研发部署用于超大规模数据中心的云计算和人工智能服务器解决方案。他们从CPU定制、平台设计，到性能调优以及线上集群优化，在推动隐私保护计算技术的应用中，充分见证了各种技术在人工智能实践场景中对于计算过程的安全性、性能、精度以及适用范围的差别，在实践中创造产生了不少应用原型方案，其中一些更是处于世界的前列，在此书中尽有详述，并且提供案列源码下载链接。《机密计算：AI数据安全和隐私保护》适合计算机和软件行业从业者、研究人员及高校师生阅读，尤其适合从事人工智能和隐私保护计算的架构师和开发人员阅读。 0 1
内容简介
本文的核心聚焦点是可信执行环境（TEE），这也是OpenMPC社区【隐私计算知识库 | 抽丝剥茧可信执行环境（TEE）】详细介绍的内容。
本书共包括 8 章，分为 3 个部分。
第 1 部分： 基本概念框架。 第 1 章介绍了数据安全和隐私保护面临的挑战和核心需求、隐私保护计算概念，以及人工智能领域中的攻击模型和典型安全问题。第 2 章纵览和比较了各种隐私保护计算技术和解决方案。第 3 章将各种技术方案与实际场景联系起来，介绍其在人工智能场景中常见的应用。
第 2 部分： 深度技术解析。 第 4 章详细阐述目前比较具备工程实践优势的可信执行环境技术，包括软硬件架构、关键技术和安全机制。第 5 章全面介绍以可信执行环境技术为基础的软件开发，包括开发环境及其组件、应用程序开发、库操作系统及其在云环境中的应用。
第 3 部分： 工程应用实践。 第 6～8 章深入地介绍可信执行环境技术在主流人工智能场景中的工程实践和参考案例，涉及纵向联邦学习和横向联邦学习模型训练场景、云原生在线推理服务场景，以及大数据 AI 应用场景等。各章中的案例均由本书作者开发或经合作伙伴授权发布。
0 2
作者简介
赠书福利
点击下方 “在看” 按钮，并在留言区下发表你对《机密计算：AI数据安全和隐私保护》的想法见解。
最终取留言点赞数前 5 名赠送这本 【深入浅出密码学机密计算：AI数据安全和隐私保护】 ，包邮到家！**
开奖时间：2022年5月8日12:00
**************END
热门文章:
