这是一个隐私保护工具（WinMend Folder Hidden），可以快速隐藏文件、文件夹。该工具超轻量，免费使用。

《隐私保护计算技术研究报告》中国信通院202011.pdf

针对机器学习中的隐私威胁，分别从差分隐私，同态加密以及安全多方计算这三个方面对机器学习中的隐私安全进行描述。

本文档属于调研报告类型，由作者自己原创，文中主要介绍了机器学习的隐私定义，机器学习的隐私威胁，以及机器学习的隐私保护机制，其中保护机制分为三种，差分隐私，同态加密和安全多方计算，从这三个方面分别对隐私保护进行阐述。

随着云存储技术的快速发展，云存储的数据安全性成了一个最为关键的问题。加密是一种对数据进行保护的有效方法。为了提高云存储环境中对客户隐私的保护，本文设计研究了一种支持隐私保护的云存储加密方法CESVMC。通过对矩阵和向量进行加、减、乘、除运算，完成对云存储数据和客户信息的保密工作。最后经过安全分析和对其性能进行评测，证明CESVMC加密技术具有较高的安全性能，以及合理的运算复杂度，满足日常云存储的工作需要。

区块链隐私计算服务原则和相关方：终端用户、业务提供方、技术提供方及第三方； 区块链隐私计算服务技术框架，包括但不限于数据共享、数据协同、密钥管理； 区块链隐私计算服务管理，包括管理要求、计算过程、评估与审计方法。

转自CCF，网址https://dl.ccf.org.cn/lecture/lectureDetail?id=4436660732299264 摘要：大数据时代如何保护个人的隐私，技术创新的边界在哪里？首先，大数据的应用和创新应当有节制，个人隐私保护不仅要依靠道德感召，更需要满足法律的要求。个人隐私和数据安全涉及每个公民的切身利益，如何合理、合规地收集和使用大数据、如何平衡个人信息保护和产业发展，已经成为大数据技术运用亟待解决的问题。在本报告中，将阐述企业作为个人数据的控制者或加工者，承担哪些义务和法律责任，如何在数据的生命周期中通过技术创新、合规挖掘大数据的价值。

个人隐私保护体系建设的参考标准，基于ISO27002标准制定，正文部分在ISO27002基础上增加了PII（个人隐私信息）保护指南，附录A针对个人隐私保护提出了更为具体细致的要求

针对基于传统的k-匿名模型下移动用户轨迹数据发布隐私保护算法有可能将相似度极高的轨迹匿名在同一个匿名集中从而导致可能出现的用户个人隐私泄露风险的不足。设计了一种新的轨迹数据发布隐私保护算法。该算法基于k-匿名模型，将轨迹所在的二维空间划分成大小相等的单元格，之后将由轨迹数据得到对应轨迹经过的单元格序列，从而定义轨迹k-匿名下的l-差异性，算法在满足k-匿名模型的前提下通过聚类的方法构建匿名集，并保证匿名集中的轨迹满足l-差异性标准，以达到降低由于差异性不足引起用户隐私泄露的风险的目的。实验结果表明，该算法是可行有效的。

如何在不泄露用户隐私的前提下，提高大数据的利用率，挖掘大数据的价值，是目前大数据研究领域的关键问题。具体而言，实施大数据环境下的隐私保护，需要在大数据产生的整个生命周期中考虑两个方面：如何从大数据中分析挖掘出更多 的价值；如何保证在大数据的分析使用过程中，用户的隐私不被泄露。本论文将围绕下图所示的大数据隐私保护生命周期模型展开。