隐私求交案例

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：数据时代的隐私守护密码隐私求交是什么隐私求交，从技术层面来讲，是一种基于密码学的安全协议。它的实现依赖于多种复杂的密码学技术，如哈希函数、加密算法、不经意传输（OT）等。在加密算法方面，对称加密和非对称加密都发挥着重要作用。对称加密使用相同的密钥对数据进行加密和解密，效率较高；非对称加密则使用公钥和私钥，安全性更强。隐私求交的实现路径基于混淆电路的构造要理解基于混淆电路的隐私求交构造（映射函数），并将相应的数据随机映射到随机的位置中。基于混淆电路和布隆过滤器构造隐私求交协议时，双方各自根据自己的集合元素，生成相同长度的布隆过滤器。在这个过程中，双方构造的布隆过滤器都能得到充分的保护，就像给数据穿上了一层坚固的铠甲，有效防止了数据的泄露。基于全同态加密的构造在基于全同态加密的隐私求交构造中，各参与方先将各自的集合元素编码为一个多项式，每个元素都是这个多项式的一个根。接下来使用同态特定值的伪随机函数。引入这个框架，需要先了解基础不经意传输和OT扩展的构造。隐私求交的应用领域医疗领域在医疗领域，隐私求交有着至关重要的应用。多家医院可能希望联合开展一项关于某种罕见病的研究，但每个

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

隐私求交：解锁数据融合新姿势，隐私保护不掉线！隐私计算浪潮下，隐私求交是什么？在数字化时代，数据已然成为推动经济发展和创新的关键生产要素。但随着《数据安全法》《个人信息保护法》等法律法规的逐步出台实现数据分析计算，达到对数据“可用、不可见”的目的，在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。而隐私求交（PrivateSetIntersection，简称PSI），作为隐私计算领域中的一项关键技术，正逐渐崭露头角。简单来说，隐私求交是指在多个参与方各自持有隐私数据的情况下，通过特定的协议和算法，在不泄露除交集外任何信息的前提下，求出所有数据的交集。例如，在社交网络中，两个用户希望找到他们之间的共同好友，而不想分享他们完整的好友列表；又或者在市场调研中，两个公司希望比较他们的客户数据库中的共同客户，以了解他们之间的重叠，这些场景都可以借助隐私求交技术来实现。隐私求交应用场景金融领域：风险防控的隐形护盾在金融领域，风险防控是至关重要的环节。隐私求交技术就像是一位隐形的护盾，为金融机构的风险防控工作提供了强有力的支持。以信贷审批为例，银行在审批贷款时，需要综合评估借款人的

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...