技能介绍

要解决什么问题

跨机构联合建模、数据要素流通时，常见矛盾是：业务需要算力与样本，合规要求原始数据不出域、可审计、可追责。单靠「脱敏导出」往往挡不住成员推断、梯度泄露或合约履约争议。本技能把隐私计算与可信数据空间放在同一张技术地图上，帮助你在方案阶段对齐术语、协议与落地检查项，而不是只背概念。

技能如何组织内容

联邦学习：从横向/纵向/迁移三种模式的对照表入手，说明「特征相同样本不同」「样本相同特征不同」等典型场景，并指向 FATE 作为可落地的开源框架（微众银行开源，支持三类联邦模式）。
多方安全计算（MPC）：用协议对比表梳理秘密分享、混淆电路、不经意传输（OT）、SPDZ、全同态加密（FHE）在安全性、通信轮次、适用算子上的差异，便于选型时回答「比较/求交/通用计算」该走哪条路。
差分隐私（DP） 与 可信数据空间架构：衔接「数据可用不可见、数据不动模型动」的流通范式，并给出技术选型决策树与国家政策速览（数据二十条、可信数据空间行动计划等时间线），把工程决策与合规语境对齐。
生产 Checklist：覆盖 PSI 对齐、梯度/中间结果保护、ε 预算、连接器与 DUC 存证、审计日志、成员推断防御等上线前核对项。

适用边界与注意点

技能侧重全景与选型/落地清单，不是替代 FATE/MPC 库的 API 手册。MPC 与 FHE 在性能与工程复杂度上差异很大，表中的「适用场景」需结合你的数据规模与延迟预算验证。差分隐私的 ε 分配（如单次查询 ≤ 1.0、累计 ≤ 10）是示例性约束，实际应以业务风险模型与法规要求为准。