产品概述
百度隐私计算支持多方数据安全“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。产品基于联邦学习、多方安全计算、机密计算、数据安全沙箱等技术能力，能够有效保障数据安全与用户隐私，实现数据可用不可见。赋能金融、政务、汽车、教育、互联网等行业客户，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，实现数据价值安全合规流动共享。
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
领先的技术优势
自主研发的异构隐私计算解决方案，全面适配信创体系；拥有国内外相关专利300余篇，顶会论文20余篇，技术优势领先；多次参与隐私计算相关行业标准的制定。
丰富的开放形态
中国信通院隐私计算联盟成员、国际Linux基金会CCC机密计算联盟成员；PaddleFL、Apache Teaclave（incubating）两大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。
安全数据融合
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，在保障数据存储及计算安全的同时，实现数据可用不可见。致力安全数据融合。
多种建模方式
针对不同建模基础的客户提供灵活建模方式，既可通过表单式交互轻松完成模型构建与迭代；也可在安全的计算环境中，支持个性化建模分析与调优
快速服务部署
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；提供服务性能监控，保障服务稳定性；同时支持动态扩容
金融反欺诈
方案介绍
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，提供从模型训练、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。
营销洞察
方案介绍
在保障数据安全的基础上融合多方数据，打通用户行为全链路，改善营销效果，实现隐私保护下的数据安全共享，赋能客户业务运营。
政务数据开放
方案介绍
在保障数据安全的基础上，帮助各地区政府打造政务数据安全流通或开放凭条，实现政府对内部数据的高效管理，提升政府业务治理效能，通过数据安全开放帮助政府提高公共数据利用效率。
