再次参考上面的扫描仪数据示例，零售商将要求配置在适当位置以收集和计较价值指数的系统将为输入价值提供输入隐私权。
这些方针应被视为一般指南，详细陈设大概具有特定的隐私要求，需要仔细评估。
输入隐私意味着计较方无法会见或获取输入方提供的任何输入值，也不能在数据处理惩罚期间会见中间值或统计功效（除非已专门选择该值举办果真）。
统计信息的隐私加强技能
假如隐私掩护统计阐明系统具有供输入方执行努力节制的机制，则该计策执行计策执行，该节制可以由计较方对敏感输入执行，而且可以将功效宣布给功效方。
陈设隐私加强技能的要害方面
泄漏大概是有意的（黑客，好奇的数据阐明人员）或无意的（阐明期间出乎料想的敏感功效）。无论如何，隐私加强技能都可以淘汰此类泄漏的风险。
输出隐私是统计产物的工业。纵然计较方认真确保计较功效具有某种形式的输出隐私，但风险险些老是与功效方进修过多有关。
因此，计策执行可以在保存隐私的统计阐明系统中描写然后自动确保输入和输出的隐私，从而淘汰了对经典但结果不佳的要领（如数据利用条约中的保密协议和保密条款）的依赖。
这可以用一个简朴的类比来表明利用会见节制。
1）安详多方计较（缩写为MPC）
3）受信任的执行情况（缩写为TEE）
请留意，纵然计较方无法直接会见这些值，也可以通过利用诸如边信道进攻之类的技能来推导它们。
凡是，与数据打交道的组织陈设基于脚色的会见节制（RBAC），该会见节制仅授予授权人员会见数据的权限。
计策执行包围整个系统-输入方大概会在授予数据之前要求对处理惩罚举办节制，功效各方大概但愿长途审核处理惩罚的正确性。提供此类节制的责任在于计较方，在我们的环境下，计较方是国度统计局。
这部门先容统计阐明的隐私方针。界定清楚了方针，就可以或许精确知道利用哪一种技能，从而确定技能领域。
可是，这仍然假定组织自己具有对所有收集的数据的完全会见权限。因此，组织对所有数据认真。可是，有了正确陈设的隐私加强技能，组织将可以或许在没有完全会见权限的环境下执行其职责，从而淘汰责任。
输入隐私的观念在彼此不信任的一方参加计较其私有数据的环境下出格相关，可是任何一方进修高出其划定的输出被视为违反隐私的环境。
譬喻，在阐明多方提供的漫衍式数据库以生成数据的统计模子的环境下，输出隐私与以下问题有关：可以从已宣布的数据库中规复几多有关原始数据的信息。
这种努力节制凡是以正式语言来表达，这种语言可以识别参加者及其参加法则。计策决定点将这些法则处理惩罚成呆板可用的形式，而计策执行点则提供了确保遵循法则的技妙手段。
2）（完全）同态加密（缩写为HE或FHE）
陈设PET的要害方面是必需将它们陈设在尽大概接近数据所有者的位置。最佳的隐私担保要求在将机要数据宣布给第三方之前，数据所有者必需在当地利用PET。
统计模子在模子的计较进程中各方之间互换的动静不会泄漏几多信息，因为后者与输入隐私有关。
我们思量以下技能：
在对以上两个配置举办了一般性描写之后，我们利用下面的抽象说明隐私方针。如图3所示，一个或多个输入方将敏感数据提供应一个或多个举办统计阐明的计较方，从而为一个或多个功效方发生功效。
团结多个隐私方针这主要是因为这种恍惚界说的方针大概按照上下文具有差异的符合表明。需要相识他们各自的隐私界说之间的彼此浸染。这种集成始于威胁建模阶段，因为必需最终按照合用于每种技能的隐私界说的详细参数来配置隐私要求。
所有隐私加强技能（PET）都部门办理了以下普遍问题：“对付输入数据集敏感部门的数据阐明会泄漏几多隐私？”。
输出隐私办理了丈量和节制计较功效中存在的泄漏量的问题，而与计较自己是否提供输入隐私无关。
此刻，我们先容三个自然的隐私方针，这些方针自然地与文档中稍后先容的技能和隐私界说相关。
因此，输入私密性需要防备3种所有此类机制的掩护，而这三种机制都将答允计较方推导输入。
重要的是要指出，我们描写的任何一种隐私加强技能，实际上没有一种已知的技能，可觉得隐私问题提供完整的办理方案。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
