点石隐私计算

基于多方安全计算、联邦学习、可信执行环境(TEE)、区块链等技术能力, 在保护数据安全与隐私保护的前提下, 满足多方数据安全共享、开放、融合及建模计算, 赋能政务、金融、医疗、教育、汽车、互联网等领域客户, 解决数据融合应用困境。

  • 产品概述
  • 产品矩阵
  • 产品优势
  • 产品功能
  • 应用场景
  • 客户案例
  • 相关产品

产品概述

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。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,有效保障数据安全与用户隐私,实现数据的可用不可见、安全合规、流动共享。

产品概述

产品矩阵

  • 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

    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

    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

自主研发技术优势

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

丰富的开放形态

信通院隐私计算联盟成员、Linux基金会CCC机密计算联盟成员;PaddleFL和Apache Teaclave 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

    多种安全保障
    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。
    自主研发技术
    自主研发的异构隐私计算解决方案,保障数据存储及计算安全的同时实现数据可用不可见。
  • 多种建模方式

    表单式交互
    用户可以通过表单式交互轻松完成模型构建与迭代。
    个性化建模
    产品也支持在安全的计算环境中,进行个性化建模分析与调优。
  • 快速服务部署

    快速部署模型
    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。
    服务性能监控
    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

场景概述

当前金融环境复杂,金融诈骗风险不断提升,但传统反诈骗手段单一、效率低下、范围受限,难以应对层出不穷的新型诈骗手段。

我们能提供

领先的技术

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

全流程服务

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

客户案例

相关产品