* 本报告来自网络，如有侵权请联系删除
2022年联邦学习场景应用研究报告
收藏
分享
纠错
价格免费
数据简介
本报告在中国信息通信研究院前期对于联邦学习技术、产业的研究基础上，联合联邦学习产业链上下游企业，深入探讨联邦学习在政务、医疗、金融、广告、物流的应用价值，以期为数据应用价值的释放带来解读和参考。
详情描述
传统的隐私保护手段包括数据脱敏、假名化、数据消隐等。数据脱敏是信息从原始环境向目标环境交换过程中，对数据中的某些敏感信息进行一定规则的数据变形，其核心是通过剔除数据中能识别出个体的所有特征，从而达到隐私保护的目的。在涉及商业机密和个人隐私数据时，在不违反相关规则的条件下，对原始数据进行改造后才可提供使用，如个人姓名、手机号、身份证号、企业财务数据、税务、供应链等机密数据，都需要进行脱敏处理。数据脱敏常用方法有泛化技术、抑制技术、扰乱技术、有损技术等，目前，各企事业单位，尤其政府部门均建立健全了数据脱敏的规范，数据脱敏已成为数据处理的标准流程。
报告预览
*本报告来自网络，如有侵权请联系删除
相关「可视数据」推荐
相关「数据报告」推荐
