隐私计算
隐私计算是在保护数据本身不对外泄露的前提下实现数据分析计算的一类信息技术,是一种数据可用不可见的技术。隐私计算主要包括安全多方计算、联邦学习等。
联邦学习
联邦学习是一种基于软件实现的隐私计算技术,解决本地数据不出库的情况下,通过对中间加密数据的流通与处理来完成多方联合机器学习训练的问题,能够通过加密机制下的参数交换方式,让各参与方不披露各自数据的前提下,建立一个
虚拟的共有模型。联邦学习分为横向联邦学习、纵向联邦学习与联邦迁移学习三种类型。
DPI
Deep Packet Inspection,一种数据包深度分析技术,可以对网络流量进行实时监测和分析,获取大量数据信息,广泛应用于移动通信、互联网安全、网络管理等领域。在运营商大数据应用方面,移动DPI可以为运营商提供丰富的数据资源,帮助运营商更好地了解用户需求和行为。