论文部分内容阅读
日本央行放宽YCC货币“多米诺效应”：日元利差交易回流或引全球金融资产价格剧烈重估
【出 处】
：
世纪经济报道
【发表日期】
：
2020年01期
其他文献
针对目前网络会议数字评选系统无法做到既保证评审人意见的隐私性又能获得安全可信的结果的问题，提出一种基于隐私计算的网络会议数字评选系统设计方案。首先通过里所（RS）码的编码矩阵对评审数据进行秘密分享得到秘密份额，并将每一方评审数据的哈希值作为存根交由主办方存档以防止抵赖；然后通过编码矩阵之单调扩张矩阵对秘密份额进行协同计算得出计票结果；最后通过校验矩阵检查多方协同计算过程中是否有秘密份额的分享错误或
＜正＞当前，新一轮科技革命和产业革命方兴未艾，人工智能（AI）、区块链、隐私计算等技术在金融领域不断得到应用。在金融科技蓬勃发展的大背景下，人民银行制定了《金融科技发展规划（2022-2025年）》，推动实施“软件集中开发”战略，有效整合全行科技资源，积极发挥科技引领作用，为新形势下金融科技的创新发展奠定了坚实基础。成方金融科技有限公司（成方金科）作为人民银行组建的金融科技公司，坚持服务央行履职、
期刊
数据出境有助于充分挖掘数据价值、促进全球数字经济发展，与之伴随的数据安全问题可能给国家安全、企业利益和个人隐私等带来巨大风险。数据出境通常被理解为数据跨境流动，数据安全技术的进步使数据出境的形式将变得多样，其他形式数据出境也能达到相同的数据利用效果。在解读当前数据出境安全相关法规的基础上，从数据利用的视角分析当前数据出境及出境安全面临的困难，可以为保障数据出境安全和促进数据跨境合作提供建议参考。
神经网络以其能够提供高效预测模型的能力,在语音识别,图像识别领域取得了巨大的突破,已经广泛应用于医疗,金融等领域,给我们的生活带来了巨大的便利。但保证神经网络模型的高精确度需要汇聚大量数据,这些数据不可能仅由单一主体提供,通常需要来自多方的数据,这引起了公众对隐私数据的担忧。基于多方安全计算的隐私保护神经网络是当前在能够解决数据隐私安全的前提下支持多方联合模型训练和预测的方法之一,但当前的解决方案
随着数字化新兴技术的发展,数据作为现代化商业、个人的核心价值与数字化资产的重要表现形式已经成为众多企业和研究者的重点关注对象,跨机构、跨行业的数据分析、数据挖掘应运而生成为一个新的发展趋势。但由于数据本身可轻易复制,一经传播无法跟踪,数据的确权变得十分困难,使得数据流通过程中的隐私安全问题变得炙手可热。隐私计算技术中的安全多方计算利用密码学手段既能保护数据隐私又能实现数据流通共享并最大化其价值,近
隐私计算技术在不获知其他参与方原始数据的情况下处理数据，保障数据在流通与融合过程中的“可用不可见”,成为数据安全合规流通的一种“技术解”,已被应用于数据密集型行业。通过隐私计算在金融、医疗、政务及新型场景中的典型应用，梳理相应应用范式，并提出问题与展望。