课程背景本课程在于帮助学员掌握隐私计算（privacy computing）技术的概念、原理、技术组成与应用场景和应用方式，了解该技术的起源、背景、展和现状；掌握相关框架和方案。

隐私计算是面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。隐私计算技术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体系，它涉及密码学、分布式计算、人工智能、数据科学等众多领域。与传统数据的使用方式相比，隐私计算更专注于数据使用过程和计算结果的保护，其目标是在保证数据安全的前提下实现数据价值**大化。

**隐私计算技术，可以在原始数据不出私域的情况下，对不同机构的数据进行联合建模、联合统计等，实现跨地域、跨机构、跨部门间数据的安全融合，释放政务数据价值。在保护个人信息安全、企业商业机密安全的前提下，建立政务数据共享开放的安全渠道，同时为各机构行政审批事项梳理和业务流程再造提供支持，提升城市管理与公共服务能力，优化治理效率。授课形式理论讲解 案例分析 视频分享 课堂练习 实战演练 小组研讨 互动答疑课程收益完成本课程学习后，学员能够理解并掌握隐私计算基本概念、相关技术（安全多方计算、联邦学习、可信执行环境、区块链）的核心原理和基本算法，并能针对适用的应用场景进行解决方案设计。

课程大纲**章 隐私计算发展的时代背景

1.1 数据要素的市场环境变化推动隐私计算技术的发展

1.1.1 数据流通的市场需求显著增强

1.1.2 数据流通中的数据安全风险加剧

1.1.3 隐私计算已成为数据保护的关键技术

1.2 数据要素市场的政策法规完善促进隐私计算的应用

1.3 数据要素市场化进程中中国移动的隐私计算实践

第二章 隐私计算技术体系

2.1 隐私计算的概念

2.2 隐私计算的技术路线与发展脉络

2.3 隐私计算的技术体系

2.3.1 多方安全计算

2.3.2 联邦学习

2.3.3 可信执行环境

2.3.4 其它隐私计算技术

第三章 国外隐私计算行业实践

3.1 欧洲隐私计算行业实践

3.1.1 政策法规

3.1.2 应用实践

3.2 美国隐私计算行业实践

3.2.1 政策法规

3.2.2 应用实践

3.3 其他国家地区隐私计算行业实践

3.3.1 政策法规

3.3.2 应用实践

第四章 国内隐私计算应用实践

4.1 金融领域应用实践

4.1.1 联合风控

4.1.2 联合营销

4.1.3 反洗钱与反欺诈

4.1.4 保险精算

4.2 政务领域应用实践

4.2.1 智慧城市建设

4.2.2 中小微企业融资需求对接

4.3 医疗领域应用实践

4.3.1 疫情/传染病防控

4.3.2 全基因组关联研究 GWAS 分析

4.4 其它领域应用实践

4.4.1 能源互联网

4.4.2 汽车互联网

4.4.3 数据跨境流动

第五章 金融行业隐私计算实践

5.1 隐私计算平台建设

5.2 金融行业隐私计算实践

5.2.1 银行信贷智能风控

5.2.2 银行精准营销实践

5.2.3 保险智能风控实践

5.2.4 证券沉默用户激活

5.3 智慧政务治理实践

5.3.1 电信反欺诈实践

5.3.2 智慧人口流动分析

5.3.3 公共安全态势感知

5.4 医疗精准推荐实践

5.5 其他行业隐私计算实践

5.5.1 汽车精准营销实践

第六章 可信人工智能

6.1 可信人工智能的发展背景

6.2 可信人工智能框架

6.3 可信人工智能的支撑技术

6.4 可信人工智能的实践路径

6.5 可信人工智能的落地实践

第七章 隐私计算发展趋势展望

7.1 政策展望

7.2 技术展望

7.3 应用展望

7.4 隐私计算的监管**新银监政策解读

7.5 隐私计算的监管**新人行政策解读

金融机构咨询和合作案例：

1、 中国工商银行总部：银行数字化转型和银行4.0

2、 中国农业银行总部：远程银行和人工智能实践落地

3、 中信银行总部：银行4.0和风险模型预测

4、 平安银行总部：数据治理

5、 富民银行总部：银行数字化转型和可信人工智能实践落地

6、 蚂蚁金服：数据治理体系建设

7、 澳新银行：银行数字化转型和EAST监管政策解读