百度智能云

点石隐私计算

点石隐私计算基于联邦学习、多方安全计算、机密计算、数据安全沙箱等主流隐私计算技术,提供数据安全融合与应用服务、大数据核心能力,高效实现数据安全流通与数据赋能。
点石隐私计算

产品概述

百度隐私计算支持多方数据安全“融合”及建模分析计算,提供从数据分析、模型训练、评估到应用部署的全流程服务,兼具云/端不同服务部署方式。产品基于联邦学习、多方安全计算、机密计算、数据安全沙箱等技术能力,能够有效保障数据安全与用户隐私,实现数据可用不可见。赋能金融、政务、汽车、教育、互联网等行业客户,解决如风险控制、精准营销和新用户冷启动等多场景的业务需求,打破数据应用孤岛,实现数据价值安全合规流动共享。

产品概述

产品版本

百度点石联邦学习
百度点石联邦学习

采用分布式架构,基于MPC、FL、DP等技术,为数据联合分析、联合计算、联合建模全流程提供数据安全及隐私保护能力。

百度点石机密计算
百度点石机密计算

基于可信硬件构建的通用安全计算平台,提供高性能数据流通服务和隐私计算服务。

百度点石数据安全沙箱
百度点石数据安全沙箱

安全可控的数据安全共享平台,协助政府及机构解决数据开放过程中数据安全问题和隐私保护问题。

产品优势

  • 领先的技术优势

    自主研发的异构隐私计算解决方案,全面适配信创体系;拥有国内外相关专利300余篇,顶会论文20余篇,技术优势领先;多次参与隐私计算相关行业标准的制定。

  • 丰富的开放形态

    中国信通院隐私计算联盟成员、国际Linux基金会CCC机密计算联盟成员;PaddleFL、Apache Teaclave(incubating)两大隐私计算与机密计算开源项目发起者。

  • 成熟的行业经验

    在政务、生物医疗、交通、制造等多领域拥有成熟的交付经验;丰富模型训练经验涵盖旧客挖掘、准入、反欺诈、黑产、风控等场景。

产品功能

安全数据融合
安全数据融合

提供基于联邦学习、安全多方计算、数据安全沙箱、可信计算等技术的数据安全融合方案,在保障数据存储及计算安全的同时,实现数据可用不可见。致力安全数据融合。

多种建模方式
多种建模方式

针对不同建模基础的客户提供灵活建模方式,既可通过表单式交互轻松完成模型构建与迭代;也可在安全的计算环境中,支持个性化建模分析与调优

快速服务部署
快速服务部署

支持将训练好的模型快速部署和发布,并且可无缝对接到客户的不同业务应用系统中;提供服务性能监控,保障服务稳定性;同时支持动态扩容

应用场景

金融反欺诈
营销洞察
政务数据开放
金融反欺诈
  • 方案介绍

    在保障数据安全的基础上,支持多方数据安全融合及建模计算,提供从模型训练、评估到应用部署的全流程服务,帮助金融客户识别全业务流程中的欺诈风险。
营销洞察
  • 方案介绍

    在保障数据安全的基础上融合多方数据,打通用户行为全链路,改善营销效果,实现隐私保护下的数据安全共享,赋能客户业务运营。
政务数据开放
  • 方案介绍

    在保障数据安全的基础上,帮助各地区政府打造政务数据安全流通或开放凭条,实现政府对内部数据的高效管理,提升政府业务治理效能,通过数据安全开放帮助政府提高公共数据利用效率。