隐私计算FATE如何实现数据安全共享？

本文共计1983个文字，预计阅读时间需要8分钟。

Fate 是一个工业级联机学习框架，所谓联机学习即指可以实时更新数据并构建模型；与传统数据使用方式不同，它不需要将各方数据汇集、构建数据仓库，直接进行联机学习。

一、说明

Fate 是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型；

与传统数据使用方式相比，它不需要聚合各方数据搭建 数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的，实现数据的 可用不可见；本文主要分享隐私计算平台 Fate 的相关基本概念，以及基于 Docker 的单机部署。

二、隐私计算

隐私计算 是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，实现数据的 可用不可见 的目的；在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。

图灵奖得主姚期智院士在1982年提出的 百万富翁 问题：

假设有两个百万富翁，都想比较谁更富有，但是他们都想保护自己的 隐私 不愿意让对方或者任何第三方知道自己真正拥有多少钱。如何在保护双方隐私的情况下，计算出谁更有钱呢？

此问题开创了安全多方计算领域，在如今以区块链为先导的一系列可信架构中，多方计算问题是建立机器信任的关键技术之一。