除了制度建树，种种信息创新技能也是支持数据跨境合规有序、高质量活动的有效东西。凭据《信息安详技能-数据出境安详评估指南（征求意见稿）》的要求，重要数据在出境前，应对其采纳脱敏等技能处理惩罚法子，并对脱敏处理惩罚的结果举办验证，以到达公道水平的不行还原。下面以付出标志化技能、区块链技能、联邦进修等为例，谈谈如何依靠技妙手段实现数据隐私掩护和数据应用之间的均衡。

三是操作各类可实现数据“可用而不行见”的创新技能。好比，谷歌在 2016 年率先提出的联邦进修技能（Federated Learning），就是一种加密的可供数据跨境活动利用的漫衍式呆板进修技能。它综合应用了多方安详计较、云计较、呆板进修等种种技能，答允各参加者在不揭破底层数据的前提下，开展高效率的呆板进修。联邦进修既实现了异构情况下跨数据中心的大数据阐明，又充实保障了信息安详和小我私家数据隐私掩护，有望成为下一代人工智能协同算法和协作网络的基本。

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。