隐私计算技师试卷及答案

隐私计算技师试卷及答案填空题（每题1分，共10分）1.隐私计算的核心目标是在不泄露______的前提下实现数据价值利用。2.联邦学习按参与方数据特征分为横向、纵向和______联邦。3.差分隐私通过添加______噪声保护数据隐私。4.同态加密允许对______数据运算，结果仍为加密状态。5.隐私计算三大核心技术：联邦学习、差分隐私、______。6.安全多方计算（MPC）通过______协议实现联合计算不泄露原始数据。7.隐私计算“数据可用不可见”的典型体现是______。8.差分隐私核心指标ε被称为______。9.联邦学习参与方无需上传______，仅交换模型参数。10.隐私计算常用于医疗、金融、______等敏感领域。单项选择题（每题2分，共20分）1.不属于隐私计算核心技术的是？A.联邦学习B.差分隐私C.同态加密D.机器学习2.横向联邦学习适用于？A.特征相同、样本不同B.样本相同、特征不同C.数据量极小D.单机构足够3.差分隐私ε越小，意味着？A.隐私保护越强B.数据可用性越高C.噪声越小D.计算效率越高4.支持加法+乘法运算的同态加密是？A.加法同态B.乘法同态C.全同态加密D.部分同态加密5.MPC典型应用不包括？A.联合征信B.隐私求交C.数据可视化D.联合建模6.“数据可用不可见”指？A.加密后不可读取B.仅用于特定计算不泄露原始值C.数据删除可恢复D.仅授权人查看7.联邦学习与集中式学习的主要区别？A.精度更高B.无需传输原始数据C.训练更快D.仅单机构8.差分隐私“差分”指？A.相邻数据集输出差异B.数据特征差异C.参与方数量差异D.模型参数差异9.隐私计算在医疗的应用不包括？A.多中心研究B.疾病预测C.公开病历D.基因联合分析10.隐私计算正确描述是？A.完全不影响数据价值B.仅保护隐私不影响计算C.需平衡隐私与价值D.无计算成本多项选择题（每题2分，共20分）1.隐私计算核心技术包括？A.联邦学习B.差分隐私C.同态加密D.安全多方计算2.联邦学习类型有？A.横向B.纵向C.联邦迁移D.混合联邦3.差分隐私噪声方法包括？A.拉普拉斯机制B.高斯机制C.随机响应D.全同态加密4.MPC应用场景包括？A.隐私求交B.联合征信C.联合建模D.数据脱敏5.隐私计算优势包括？A.保护隐私B.跨机构协作C.符合监管D.无计算overhead6.适合隐私计算的场景？A.多机构联合建模B.敏感数据共享C.隐私分析D.公开挖掘7.同态加密分类包括？A.加法同态B.乘法同态C.全同态加密D.部分同态加密8.隐私计算需满足的监管？A.GDPRB.个人信息保护法C.数据安全法D.网络安全法9.联邦学习交换内容包括？A.模型参数B.梯度C.加密中间结果D.原始数据10.隐私计算正确描述？A.平衡隐私与价值B.技术适配场景C.跨地域协作D.替代传统共享判断题（每题2分，共20分）1.隐私计算完全不泄露任何数据信息。（×）2.横向联邦适用于样本重叠多、特征重叠少的场景。（×）3.差分隐私ε越大，隐私保护越强。（×）4.全同态加密可对加密数据任意加乘运算。（√）5.MPC不需要参与方通信。（×）6.隐私计算仅适用于医疗金融。（×）7.联邦学习参与方可得到完整全局模型。（√）8.随机响应属于差分隐私噪声方法。（√）9.隐私计算完全降低数据可用性。（×）10.同态加密计算效率比传统加密高。（×）简答题（每题5分，共20分）1.简述隐私计算核心目标。答案：隐私计算核心是在不泄露原始数据隐私的前提下，实现数据价值利用。具体包括：①保护数据主体隐私（避免敏感信息泄露）；②支持跨机构协作（无需共享原始数据即可联合建模/分析）；③符合监管要求（如GDPR、个人信息保护法）；④平衡隐私与价值（避免过度保护导致数据无价值，或过度利用泄露隐私）。本质是让“数据可用不可见、可控可计量”。2.联邦学习三种类型及适用场景。答案：①横向联邦：特征相同、样本不同（如A电商用户1-100，B电商用户101-200），用于跨平台用户行为分析；②纵向联邦：样本相同、特征不同（如A机构交易数据，B机构健康数据），用于金融+医疗联合风险评估；③联邦迁移：样本/特征重叠少（跨行业数据），通过迁移学习共享知识，用于跨领域用户画像。3.差分隐私基本原理。答案：差分隐私通过向查询结果添加精心设计的噪声，使攻击者无法区分“仅差一条记录的相邻数据集”输出差异，保护单条记录隐私。核心指标ε（隐私预算）：ε越小，噪声越大，隐私越强但数据可用性越低；反之则相反。常用方法：拉普拉斯机制（数值查询）、高斯机制（连续查询）、随机响应（分类数据）。4.隐私计算与传统数据共享的区别。答案：①传统方式（拷贝/API）需共享原始数据，易泄露；②隐私计算无需共享原始数据，通过密码学/分布式技术（如联邦学习）实现“本地计算+加密参数交换”；③传统依赖信任第三方，隐私计算可无信任协作；④隐私计算符合监管，传统方式易违规。讨论题（每题5分，共10分）1.隐私计算在医疗领域的挑战及解决思路。答案：挑战：①数据异质性（医院数据格式不统一）；②计算overhead（加密技术效率低）；③监管合规（需满足HIPAA等）；④参与动力不足（医院担心泄露）。解决思路：①建立统一医疗标准（如FHIR）；②优化轻量化算法（如联邦学习优化）；③开发合规平台（内置审计）；④构建价值分配机制（按贡献分成）。2.如何平衡隐私保护与数据价值？答案：核心是按需适度保护：①技术适配场景（高敏感用差分隐私+MPC，低敏感用联邦学习）；②动态隐私预算（核心数据小ε，聚合数据大ε）；③数据最小化（仅用必要数据）；④可解释审计（增强信任）；⑤价值激励（数据要素市场变现）。最终实现“隐私不泄露，价值可释放”。答案汇总填空题答案1.原始数据2.联邦迁移3.拉普拉斯4.加密5.同态加密6.密码学7.数据不离开本地8.隐私预算9.原始数据10.政务单项选择题答案1.D2.A3.A4.C5