可信智能计算服务TICS，构建可信的数据流通价值链

随着社会数据的几何式增长，实现数据隐私保护前提下的多方数据融合与协同，通过数据流通释放跨行业大数据价值，已成为业界关注的热点。华为云可信智能计算TICS，基于可信执行环境、安全多方计算MPC、联邦学习、区块链等技术，保障隐私数据可用不可见，推动跨行业的可信数据融合和协同。

可信智能计算服务TICS（ Trusted Intelligent Computing Service ）打破数据孤岛，在数据隐私保护的前提下，实现行业内部、各行业间的多方数据联合分析和联邦计算。TICS基于安全多方计算MPC、区块链等技术，实现了数据在存储、流通、计算过程中端到端的安全和可审计，推动了跨行业的可信数据融合和协同。

可信智能计算服务TICS功能特点

动态空间管理

动态构建可信计算联盟，实现联盟内严格可控的数据使用和监管。

安全的作业管理

TICS数据集成支持联邦数据分析、联邦机器学习和联邦预测作业等作业方式。

• 联邦数据分析：关系型数据安全共享和分析功能。
• 联邦机器学习：利用多方数据实现的联合建模。
• 联邦预测作业：利用多方数据和模型实现样本预测。

可信智能计算节点

使用数据源计算节点模块实现自主可控的数据源注册、隐私策略的设定、元数据的发布等，为数据源计算节点提供全生命周期的可靠性监控、运维管理。

多方融合分析

对接多种主流数据存储系统，为数据消费者实现多方数据的融合分析，参与方敏感数据能够在聚合计算节点中实现安全计算。

多方联邦训练

对接主流深度学习框架实现横向和纵向联邦建模，支持基于SMPC(如不经意传输、同态加密等)的多方样本对齐和训练模型保护。

云端容器化部署

参与方数据源计算节点云原生容器部署，聚合计算节点动态扩容，支持云、边缘、HCSO多种部署模式。

可视化数据监管

为数据参与方提供可视化的数据使用流图，提供插件化的区块链对接存储，实现使用过程的可审计、可追溯。

可信智能计算服务TICS，安全释放数据价值

多域协同

• 支持在分布式的、信任边界缺失的多个参与方之间建立互信空间；
• 实现跨组织、跨行业的多方数据融合分析和多方联合学习建模。

灵活多态

• 支持对接主流数据源（如MRS、DLI、RDS、Oracle等）的联合数据分析；
• 支持对接多种深度学习框架(TICS，TensorFlow)的联邦计算；
• 支持控制流和数据流的分离，用户无需关心计算任务拆解和组合过程，采用有向无环图DAG实现多个参与方数据流的自动化编排和融合计算。

自主高效

• 数据使用全流程可视化展示，为数据参与方提供可感知、可监测的数据使用过程；
• 支持数据参与方、计算方的多种部署模式，包括云上（同Region、跨Region）、边缘节点、HCSO的部署模式；
• 采用容器化资源/部署管理，支持调度方、数据参与方、计算方的弹性扩缩容。

安全隐私

• 支持用户自定义隐私策略，实现敏感数据的识别、脱敏、水印保护，保障隐私数据安全；
• 多方协同过程中隐私信息交互（SQL JOIN数据碰撞、可信联邦学习模型参数）的加密保护；
• 支持安全多方计算，如基于隐私集合求交PSI（Private Set Intersection）技术的多方样本对齐、 基于差分隐私、加法同态、秘密共享等技术的训练模型保护；
• 可插件化的对接区块链存储，实现多方数据的流动轨迹、使用过程的全程可追溯、可审计。

可信智能计算服务TICS，助力跨机构数据协同融合

华为云可信智能计算服务TICS，保障多方隐私保护需求，具备可信高效、安全隐私、多域协同、灵活多态的优势，实现跨组织、跨行业的多方联盟数据融合分析，释放海量数据价值。

政企信用联合风控

金融机构对于中小微企业的信用数据通常不足，央行征信数据覆盖率有限，不良企业多家骗贷事件屡有发生。金融机构与政府部门，如税务部门、市场监管部门、水电公司等在保护各方面原始数据隐私的前提下，通过多方联合建模，金融机构补充风控模型特征维度，提升模型准确率。

优势：

提升模型准确率：多方机构实现算法层面联合建模，提升了需求方模型的预测效果；

数据隐私保护强：多方采用隐私集合求交PSI对齐样本数据，本地数据或模型加密后在安全环境中运算，实现数据可用不可得。精细化的数据隐私保护策略，确保分析结果中强制执行隐私数据的脱敏。

政府数据开放

政务数据开放共享对于政府业务共治和赋能千行百业起到关键作用，出于数据安全以及隐私保护问题，当前很多政务数据尚未充分开放共享。多项业务场景均要实现在保护数据隐私的前提下，通过跨机构数据的融合分析，得到数据碰撞结果，提升政府业务效能和赋能千行百业。

优势：

政企之间密文数据融合计算，保障数据流通安全和隐私； “原始数据不出域，可用不可见”，原始数据保存在本地安全域执行计算；支持自定义数据主权保护策略，内置数据流通风险检测算法。

金融联合营销

传统金融企业联合营销模式中，金融企业往往需要将双方的数据集中到一个安全实验室中进行标签融合，模型训练，但常面临数据泄露和隐私等挑战。联邦建模采用分布式架构进行部署和建模，参与联合营销的企业原始和明细数据不出库的前提下进行跨域数据建模，实现精准营销，同时保障企业数据安全与个人隐私。

优势：

原始数据不出企业安全域、不出库，实现“数据不动、算法动”，数据使用自主可控；联合多方正样本的效果，丰富模型的特征，提高模型的泛化能力；计算全程保障企业数据安全与个人隐私。

使能数据交易

传统数据交易方式，交易的是数据所有权，交易完成后，数据被无限制的拷贝和复制。采用可信交易方式，交易的不是数据，而是数据的使用权，卖家卖的是对某个数据的用法用量，不用担心数据被拷贝和复制。

优势：

数据不离开卖家，更放心；卖家控制“隐私规则”，控制“用法和用量”；支持三层异构，跨组织、跨地域、跨数据源；低成本部署，支持边缘模式单节点部署。

华为云可信智能计算服务TICS，采用安全多方计算、同态加密、联邦学习、差分隐私等隐私增强计算技术，满足政府、企业和金融机构在数据资源开发利用中的多样隐私保护需求，实现数据可用不可见，推动多方机构协同进行模型训练和数据分析等多方数据隐私计算，兼顾性能提升和隐私保护，助力政企信用联合风控与政府数据融合共治，提升政府、企业和金融机构治理效能。

注：本文素材来自华为云，版权归作者所有