隐私加密的四种技术是什么

隐私加密的四种技术如下：

• 联邦学习技术：联邦机器学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。其主要解决的是多机构之间数据孤岛的问题。核心是增加数据维度，适用于人群重叠但维度不同的情形。优点是提升模型效果较为明显，问题是实现困难且目标变量仅存在一家机构，不容易形成合作。

• 同态加密技术：同态加密是基于数学难题的计算复杂性理论的密码学技术。对经过同态加密的数据进行处理得到一个输出，将这一输出进行解密，其结果与用同一方法处理未加密的原始数据得到的输出结果是一样的。简单来说就是一种加密之后还能对加密后的内容进行运算，运算的结果进行解密还能还原成正确的结果。

• 差分隐私技术：差分隐私（英语：differential privacy）是密码学中的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会简单来说，就是往从数据中加入随机值，使得统计结果理论上不变，但是具体到某一个值很可能不是原值。

• 多方安全计算：安全多方计算的研究主要是针对无可信第三方的情况下，如何安全地计算一个约定函数的问题。安全多方计算是电子选举、门限签名以及电子拍卖等诸多应用得以实施的密码学基础。MPC的核心关键点在于加密本身的安全性和协议效率。其中协议效率的关键在加密算法的速度和通讯成本。

减少隐私泄露的方法有以下这些：

• 不要随意丢弃含有个人信息的票据：像火车票、快递单、银行对账单等这些票据其实包含了很多的重要个人信息，如果这些票据一旦落入不法分子之手，这些不法分子很有可能依靠这些实行诈骗等不法活动。

• 注册各类应用、网站要尽量赋予最少的信息和权限：无论是网络购物，还是虚拟社区注册，或是在社交工具上发布信息，都会留下个人信息，填写时一定要谨慎小心。我们应该秉持信息最小化原则，如无必要不要将所有信息都填上，仅填一些必要信息就好了。

• 不要使用不正规的招聘网站或软件：我们的个人呢简历中往往是填写有详细的个人信息的，这些个人信息一旦被泄露出去，后果不堪设想。所以大家平常找工作时尽量使用一些比较正规的招聘网站和软件，不找工作时及时去掉自己的简历和个人信息。

• 尽量不要使用危险的公共WiFi：公共WiFi容易受到黑客攻击，一旦使用了那些遭到黑客攻击的公共WiFi平台，那您的上网数据可就危险了，因为你的上网信息将极有可能会被黑客监视，导致你的重要密码、数据、姓名、性别、地址、财务信息等信息全部泄露。