隐语

隐语隐私计算实训营「数据分析」第 5 课：隐语PSI介绍及开发实践隐私集合求交(Private Set Intersection, PSI)是隐私计算中的一个重要技术,它允许多方在不泄露自己数据的前提下找出共同的数据交集。在本文中,我们将深入探讨SecretFlow(隐语)中PSI的实现和应用。

隐私计算（1）数据可信流通目录1. 数据可信流通体系2. 信任的基石3.数据流通中的不可信风险可信链条的级联失效，以至于崩塌4.数据内循环与外循环：传统数据安全的信任基础

隐私计算实训营学习七：隐语SCQL的架构详细拆解SCQL：属于隐私计算BI范畴，允许多个互不信任参与方在不泄露各自隐私数据的条件下进行联合数据分析。如下数据在不同机构，同时又要保护原始数据不泄露，需要使用多方数据分析技术，目前主要有两种技术路线：

隐私计算实训营学习二：隐私计算开源如何助力数据要素流通数据要素流转过程(从数据采集加工->到数据价值释放)：链路主要包括采集、存储、加工、使用、提供、传输。内循环：数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责。外循环：数据要素离开了持有方管控域，在使用方运维域，持有方依然拥有管控需求和责任，数据外循环是构建数据要素市场的核心，通过外循环数据提供方与使用方都可以获得收益。