4-2 百度数邦平台的可信联盟链 -李宇 百度

数邦平台可信联盟链技术总结

数邦平台简介

• 背景: 全球数据隐私法规逐步实施，包括欧盟GDPR、美国CCPA、中国DSL和PIPL。
• 百度数邦平台(FedCube):
  • 模块层: 同态加密、数据层（GPU运算、时空类型数据等）、应用层（联邦学习/计算）。
  • 平台层: 花销模型、日志审计、数据审查、隐私保护、多租户、动态存储、AutoDL4A鉴权、资源隔离。
  • 合作模式: To U、To G、To B。

数邦平台联盟链整体框架

• 整体框架: 基于区块链的数据隐私知识共享机制。
• 技术组件:
  • 基于区块链的隐私保护数据挖掘机制。
  • 基于密码学及安全协议的数据隐私安全。
  • 基于区块链共识机制的数据可靠性保证。
  • 基于智能合约的多方联合建模参数共享。
  • 可插拔共识算法（Raft、PBFT、Kafka、PoF、PoQ）。
  • 同态加密、秘密共享、零知识证明、多重签名、门限密码ACL、容器化执行、Ledger DB。

数邦平台联盟链技术路线

• 技术路线概要:
  1. 联盟链多方协同下身份隐私的集合交集安全计算。
  2. 联盟链多方协同下纵向神经网络安全训练方法。
  3. 数邦平台的联盟链与可信执行环境（SGX/TPM）。
  4. 应用示例：在多个企业或机构集合中寻找共有的交集结果，进行纵向联合建模，同时保证程序正确执行和数据安全。
• 基本概念回顾: 同态加密（Paillier/ElGamal）。
• 多方隐私集合求交方案:
  • 基于Threshold Paillier和联盟链:
    1. 联盟区块链节点构建。
    2. Threshold Paillier密钥生成。
    3. 隐私集合数据加密。
    4. 密文聚合。
    5. 隐私集合解密。
    6. 多方隐私集合求交流程图。
  • 基于ElGamal及其变形的纵向联合建模方案:
    1. ElGamal加密算法及同态加密性。
    2. ElGamal同态加密密文共享。
    3. 神经网络结构（输入层、隐含层、输出层）。
    4. 神经网络的训练方法（正向传播、反向传播、损失函数）。
    5. sigmoid函数的线性近似求解。
    6. 神经网络正向传播安全计算过程。
    7. 神经网络反向传播的安全计算过程。
    8. 安全性分析（Semi-honest模型）。
    9. 区块链多方共识的分布式安全存储。
• 数邦平台联盟链可信执行环境:
  • Baidu MesaTEESGX/TPM: Trusted & Secure environment，SGX Attestation，智能合约/节点加密存储。
• 数邦平台联盟链成员网络与可信执行环境:
  • 结合区块链和可信计算保障数据质量和执行正确性。

数邦平台联盟链的应用场景

• 应用场景示例:
  • 科学数据机构、行业数据机构、其他机构等多方参与。
  • 数据/模型共享、数据隐私处理、任务备案信息查询等。
  • 行业数据机构、企业、政务部门、科研人员等多方合作。
  • 区块链公有云平台或私有化部署。

数据隐私与安全思考

• 思考: 关注隐私和安全问题的长期主义重要性。