香港科技大学教授新书聚焦隐私计算

‍‍

身处“数据时代”，如何有效挖掘数据中蕴藏的智能而不侵害数据本身的隐私和安全，是我们推动社会进步和生产力发展需要共同思考和实践的一个课题。隐私计算的本质就是在实现“数据可用不可见”这一目标的过程中产生的一系列理论和技术。

本次给大家推荐的书是杨强教授和陈凯教授的新作《隐私计算》。

本书内容

本书系统讲解了隐私计算的基础技术和实践案例，全书共有11 章，按层次划分为三部分。

第一部分全面系统地阐述隐私加密计算技术，包括秘密共享、同态加密、不经意传输和混淆电路。

第１章：隐私计算介绍，包括隐私计算的定义与背景/、分类、隐私计算的发展历程、技术实现、平台与案例、挑战

第 2 章：秘密共享，包括问题模型及定义、原理与实现，优缺点分析以及应用场景

第 3 章：同态加密，包括问题模型及定义、原理与实现、优缺点分析以及应用场景

第 4 章：不经意传输，包括问题模型及定义、不经意传输的实现、优缺点分析以及应用场景

第 5 章：混淆电路，包括问题模型及定义、混淆电路的实现与优化优缺点分析以及应用场景

第二部分介绍隐私保护计算技术，包括差分隐私、可信执行环境和联邦学习。

第 6 章：差分隐私，包括问题模型及定义、实现方法及性质、优缺点分析以及应用场景

第 7 章：可信执行环境，包括可信执行环境简介、原理与实现、优缺点分析以及应用场景

第 8 章：联邦学习，包括联邦学习的背景、定义与分类、横向联邦学习、纵向联邦学习、联邦迁移学习、联邦学习的应用场景、联邦学习的未来展望

第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例，隐私计算平台主要包括面向联邦学习的FATE 平台和加密数据库的CryptDB 系统等五个平台，以及隐私计算平台的效率问题和常见的加速策略；

第 9 章：隐私计算平台、隐私计算平台概述、FATE 安全计算平台、CryptDB 加密数据库系统、MesaTEE 安全计算平台Teaclave、Conclave 查询系统、PrivPy 隐私计算平台、隐私计算平台效率问题和加速策略

第 10 章：隐私计算案例解析，包括隐私计算在金融营销与风控中的应用、隐私计算在广告计费中的应用、隐私计算在广告推荐中的应用、隐私计算在数据查询中的应用、隐私计算在医疗领域的应用：基因研究、隐私计算在医疗领域的应用：医药研究、隐私计算在语音识别领域的应用、隐私计算在政务部门的应用、隐私计算在用户数据统计的应用

陈 凯

香港科技大学计算机科学与工程系副教授、博导、研究生部主任，智能网络与系统实验室（iSING Lab）主任，香港科大-微信人工智能技术联合实验室（WHAT Lab）主任，香港人工智能与机器人学会（HKSAIR）执行副理事长，香港主题研究计划（Theme-based Reseach Scheme）首席科学家。主要研究方向包括数据中心网络、云计算、大数据和人工智能底层系统和基础架构。担任ACM SIGCOMM、USENIX NSDI、IEEE INFOCOM、IEEE/ACM Transactions on Networking、Big Data、Cloud Computing等国际会议和期刊的程序委员会委员和编委，亚太网络研讨会（APNet）的发起人和执行委员会主席。陈凯本科和硕士毕业于中国科学技术大学，获得中国科学院院长奖，博士毕业于美国西北大学。

杨 强

加拿大工程院及加拿大皇家科学院两院院士，微众银行首席人工智能官，香港科技大学讲席教授，AAAI 2021大会主席，中国人工智能学会（CAAI）荣誉副理事长，香港人工智能与机器人学会（HKSAIR）理事长以及智能投研技术联盟（ITL）主席。他是AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow，也是IEEE Transactions on Big Data和ACM Transactions on Intelligent Systems and Technology创始主编，以及多个国际人工智能和数据挖掘领域杂志编委。曾获2019年度“吴文俊人工智能科学技术奖”杰出贡献奖，2017年ACM SIGKDD杰出服务奖。杨强毕业于北京大学，于1989年在马里兰大学获得计算机博士学位，之后在加拿大滑铁卢大学和Simon Fraser大学任教，他的研究领域包括人工智能、数据挖掘和机器学习等。他曾任华为诺ya方舟实验室主任，第四范式公司联合创始人，香港科技大学计算机与工程系系主任以及国际人工智能联合会（IJCAI）理事会主席。领衔全球迁移学习和联邦学习研究及应用，最近的著作有《迁移学习》、《联邦学习》和《联邦学习实战》等。

本书可供计算机科学、隐私保护、大数据和人工智能相关专业的学生，以及对隐私计算有兴趣的相关从业者阅读，也适合从事隐私保护相关研究的研究人员、法律法规制定者和政府监管部门阅读。