2026年隐私计算应用技术员数字化技能试卷及答案

2026年隐私计算应用技术员数字化技能试卷及答案一、单项选择题（每题1分，共40分）1.隐私计算的核心目标是A.降低数据存储成本B.在保护数据隐私的前提下实现数据共享与计算C.提高数据传输速度D.集中存储所有数据以方便分析答案B解析隐私计算旨在实现数据“可用不可见”，在保护原始数据不被泄露的前提下完成计算与价值流通。2.安全多方计算（MPC）中，各参与方最终能获得的信息是A.其他参与方的原始输入B.计算过程的全部中间结果C.仅函数输出结果D.所有参与方的身份信息答案C解析MPC保证各参与方只能获知自己的输入和最终计算结果，无法获知其他参与方的私有输入。3.联邦学习与集中式机器学习最主要的区别是A.联邦学习使用更复杂的神经网络B.联邦学习训练数据在本地保留，仅交换模型参数或梯度C.联邦学习不需要损失函数D.联邦学习必须使用同态加密答案B解析联邦学习通过“数据不动模型动”的方式，在本地训练并上传参数，避免原始数据出域。4.差分隐私中，隐私预算ε越小，通常表示A.数据可用性越高B.计算速度越快C.隐私保护强度越强D.模型精度越高答案C解析ε越小，添加噪声幅度越大，隐私保护越强，但数据可用性会下降。5.同态加密的主要特点是A.只能加密文本数据B.支持在密文上直接进行运算，解密结果等价于明文运算结果C.加密后无法进行任何计算D.只能用于数字签名答案B解析同态加密允许对密文做加减乘等运算，解密后结果与对明文直接运算一致。6.下列哪种技术属于可信执行环境（TEE）的典型实现？A.IntelSGXB.TensorFlowC.HadoopD.Docker答案A解析IntelSGX、ARMTrustZone等是主流TEE实现，基于硬件隔离提供安全计算环境。7.零知识证明应满足的基本性质是A.完备性、可靠性、零知识性B.保密性、完整性、可用性C.正确性、可否认性、可链接性D.透明性、可审计性、可恢复性答案A解析零知识证明要求：若命题为真则验证者可通过（完备性）；若为假则无法欺骗（可靠性）；验证者除命题真假外不获得额外信息（零知识性）。8.横向联邦学习适用于下列哪种数据分布场景？A.各方样本重叠多、特征重叠少B.各方特征重叠多、样本重叠少C.各方样本和特征都高度重叠D.各方样本和特征都完全不重叠答案B解析横向联邦学习又称样本联邦学习，适用于参与方数据特征空间相同但样本ID基本不重叠的情况。9.纵向联邦学习适用于下列哪种数据分布场景？A.各方样本重叠少、特征重叠多B.各方样本重叠多、特征重叠少C.各方样本和特征都完全不重叠D.各方样本和特征都完全相同答案B解析纵向联邦学习适用于参与方拥有相同样本空间但特征空间不同的场景，常用于跨机构联合建模。10.Shamir秘密共享方案中，设门限为(tA.任意t个份额可以恢复秘密，少于t个份额无法获得任何信息B.必须所有n个份额才能恢复秘密C.任意1个份额即可恢复秘密D.份额数量与秘密恢复无关答案A解析Shamir(t,n)门限方案通过多项式插值，任意11.不经意传输（OT）协议中，接收方能够获得的信息是A.发送方的全部消息B.仅其选择的那一个消息，且发送方不知道接收方选择了哪一个C.所有消息的摘要D.发送方的身份信息答案B解析OT保证接收方只能获得自己选择的一份消息，发送方无法获知接收方的选择，同时接收方无法获取其他消息。12.混淆电路（GarbledCircuit）主要用于解决A.多方可信环境下的硬件加速B.两方安全计算问题C.数据库索引优化D.模型推理加速答案B解析混淆电路是最早的通用安全两方计算协议之一，可安全计算任意函数。13.差分隐私中，拉普拉斯机制添加的噪声尺度与全局敏感度的关系是A.正比B.反比C.无关D.平方反比答案A解析拉普拉斯机制噪声参数为Δfε，噪声尺度与全局敏感度Δf14.差分隐私的全局敏感度定义为A.任意相邻数据集上查询结果的最大差异B.所有数据集的平均值C.查询结果的标准差D.数据集的样本数量答案A解析全局敏感度衡量单个个体对查询结果的最大影响，是确定噪声量级的关键参数。15.联邦学习中的FedAvg算法主要流程是A.客户端本地训练多轮后上传模型参数，服务器加权平均B.客户端直接上传原始数据C.服务器直接训练所有客户端数据D.客户端只上传特征不求平均答案A解析FedAvg中各客户端在本地进行多轮随机梯度下降后将模型参数上传至中心服务器，服务器按样本量加权聚合。16.隐私集合求交（PSI）的功能是A.计算双方集合的并集且公开所有元素B.计算双方集合的交集且不泄露交集以外的元素C.计算双方集合的差集D.排序双方集合并发布答案B解析PSI允许双方得到共同元素集合，但任意一方无法获知对方集合中非交集部分的元素。17.“数据可用不可见”最准确地描述了A.数据加密后完全无法计算B.数据在使用过程中不暴露原始明文，但仍能参与计算C.只存储数据元数据D.数据只允许管理员查看答案B解析隐私计算典型目标是在不暴露原始数据的前提下完成计算，实现数据价值的可控流通。18.根据《个人信息保护法》，处理敏感个人信息时应当取得个人的A.默示同意B.单独同意C.口头同意D.任意授权答案B解析处理敏感个人信息需取得个人单独同意，并告知必要性及对个人的影响。19.在数据处理角色中，决定个人信息的处理目的、处理方式的组织或个人被称为A.数据处理者B.数据控制者C.数据受托方D.数据审计方答案B解析数据控制者决定处理目的和方式，数据处理者代其处理数据。20.下列哪项不属于隐私计算平台的典型功能模块？A.数据接入与沙箱管理B.多方协作计算引擎C.模型训练与推理D.用户行为精准追踪答案D解析隐私计算平台聚焦于数据安全协作与计算，用户行为追踪不在其典型功能范围内。21.数字签名的主要作用不包括A.身份认证B.防止抵赖C.保证消息保密性D.保障数据完整性答案C解析数字签名用于认证、防抵赖和完整性校验，不提供加密保密性。22.哈希函数的抗碰撞性是指A.容易找到两个相同输入产生不同输出B.难以找到两个不同输入产生相同输出C.输出长度随输入长度变化D.可以从输出反推出输入答案B解析抗碰撞性要求难以找到两个不同消息m1≠m23.半诚实模型（诚实但好奇）中的参与者行为是A.不遵循协议且恶意篡改输入B.严格遵守协议执行，但可能尝试从中间结果推断额外信息C.可以随意中断协议D.无法获得任何输出答案B解析半诚实模型假设参与者正确执行协议，但会利用获得的中间信息进行分析，是安全多方计算常见安全模型之一。24.下列哪项措施不能有效降低联邦学习通信开销？A.梯度压缩B.增加本地迭代轮次C.上传完整原始数据D.梯度稀疏化答案C解析上传完整原始数据违背联邦学习数据不出本地的原则，且通信开销巨大，其他三项均可降低通信量。25.成员推理攻击的主要目标是A.判断某条样本是否存在于训练数据集中B.重建整个训练数据集C.窃取模型参数D.绕开访问控制答案A解析成员推理攻击通过模型输出差异推断某样本是否用于训练，属于隐私泄露风险之一。26.模型反演攻击是指A.修改模型参数破坏训练B.从模型输出或参数中恢复训练数据的部分特征C.复制完整模型文件D.向训练集中投毒答案B解析模型反演攻击利用模型输出或参数反推训练数据的敏感属性或近似样本。27.部分同态加密通常支持A.仅加法或仅乘法中的一种运算B.任意次加法和乘法C.只支持比较运算D.只支持拼接运算答案A解析部分同态加密如Paillier支持加法，ElGamal支持乘法，但只支持单一类型运算。28.实际差分隐私应用中，隐私预算ε的常用取值范围通常是A.0.01到10之间B.100到1000之间C.ε必须大于10D.ε必须为负数答案A解析实际应用中ε常取较小正数（如0.1至1或略大），以在可用性与隐私之间取得平衡。29.区块链与隐私计算结合的主要价值是A.提高交易吞吐量B.实现计算过程的存证、审计与多方协作可信C.取代所有数据库D.消除算力成本答案B解析区块链的不可篡改和多方记账特性可为隐私计算过程提供可信审计与协作基础。30.关于匿名化与伪名化，下列说法正确的是A.匿名化不可逆，伪名化可通过额外信息恢复身份B.伪名化不可逆，匿名化可恢复身份C.两者完全相同D.两者都与隐私保护无关答案A解析匿名化处理后无法重新识别个人；伪名化虽替换标识，但仍可能借助额外信息重识别。31.联邦学习面对非独立同分布（Non-IID）数据时，可能出现的典型问题是A.模型收敛缓慢或精度下降B.通信延迟消失C.数据无需预处理D.模型过拟合风险消失答案A解析各客户端数据分布差异大时，聚合模型偏差增大，收敛变慢，精度受损。32.可信执行环境的可信根通常依赖A.软件加密库B.硬件厂商与芯片级安全机制C.网络防火墙D.数据库权限控制答案B解析TEE的可信性建立在硬件隔离与芯片级信任根之上，通常由硬件厂商提供支持。33.隐私计算在金融行业的典型应用场景不包括A.跨机构联合风控B.多方反欺诈建模C.监管合规数据报送D.公开用户个人敏感信息答案D解析隐私计算用于在保护数据前提下开展风控、反欺诈等，公开敏感信息违背隐私保护原则。34.安全多方计算相比明文集中计算的典型劣势是A.通信和计算开销较大B.安全性更低C.无法支持加法运算D.无法支持机器学习答案A解析MPC需要大量交互和密码学运算，通信复杂度和计算开销显著高于集中式明文计算。35.当前同态加密大规模实时应用的主要瓶颈是A.密文计算开销大、效率低B.无法加密任何数据C.只能工作在本地环境D.平台兼容性差答案A解析全同态加密虽然功能强大，但密文尺寸膨胀和运算开销大，难以满足实时高吞吐场景。36.差分隐私的“顺序组合性质”表明：多个差分隐私算法依次运行时，整体隐私预算A.等于各算法隐私预算之和B.等于各算法隐私预算的乘积C.等于零D.与各算法无关答案A解析顺序组合下，总隐私预算ε为各阶段εi37.联邦学习中，梯度泄露可能导致的直接风险是A.推断客户端本地训练数据部分信息B.破坏服务器硬件C.绕过所有加密算法D.公开模型结构答案A解析已有研究表明，通过梯度反演可部分恢复客户端本地训练样本，因此常需加密或差分保护梯度。38.下列哪个组织不参与隐私计算相关标准制定？A.IEEEB.ITU-TC.CCSAD.FIFA答案D解析IEEE、ITU-T、CCSA等均参与隐私计算或数据要素相关标准，FIFA是国际足联，与隐私计算无关。39.密钥管理的基本原则不包括A.最小权限原则B.职责分离C.定期轮换D.所有人员共享同一密钥答案D解析密钥管理需遵循最小权限、职责分离、定期轮换等原则，避免广泛共享降低安全性。40.k-匿名（k-anonymity）要求数据发布后，每个等价类中至少包含A.k条记录B.k个不同属性C.k个数据表D.k次查询答案A解析k-匿名通过泛化或抑制使每个准标识符组合至少有k条记录，降低重识别风险。二、多项选择题（每题2分，共20分）1.下列属于主流的隐私计算技术路线的有A.安全多方计算B.联邦学习C.可信执行环境D.差分隐私答案ABCD解析隐私计算常用技术包括MPC、FL、TEE、DP等，各路线可以单独或融合应用。2.差分隐私的常用实现机制包括A.拉普拉斯机制B.高斯机制C.指数机制D.随机响应答案ABCD解析这些机制通过向查询结果或响应过程添加随机扰动实现差分隐私保护。3.联邦学习按数据分布特征可分为A.横向联邦学习B.纵向联邦学习C.联邦迁移学习D.集中式学习答案ABC解析联邦学习主要分为横向、纵向和联邦迁移学习，D是传统集中式训练范式。4.安全多方计算常见的安全模型包括A.半诚实模型B.恶意模型C.隐蔽敌手模型D.完全可信第三方程模型答案ABC解析半诚实、恶意、隐蔽敌手是常见安全模型；若存在完全可信第三方则无需MPC。5.关于可信执行环境（TEE），下列说法正确的有A.提供硬件级隔离B.支持通用计算C.完全不受侧信道攻击影响D.可信根依赖硬件厂商答案ABD解析TEE利用硬件隔离提供可信计算环境，但并非绝对安全，仍可能受侧信道等攻击影响。6.同态加密可分为A.部分同态加密B.类同态加密（SomewhatHomomorphicEncryption）C.全同态加密D.零同态加密答案ABC解析同态加密按支持运算能力和次数分为部分同态、类同态和全同态加密，没有“零同态加密”标准分类。7.隐私保护数据发布的常用技术包括A.数据匿名化B.差分隐私C.数据扰动D.合成数据生成答案ABCD解析这些技术均用于在数据发布时降低重识别风险或掩盖个体信息。8.个人信息处理应当遵循的基本原则包括A.合法、正当、必要B.目的限制C.数据最小化D.准确性答案ABCD解析《个人信息保护法》等法规要求处理个人信息应遵循合法正当必要、目的限制、最小化、准确性等原则。9.零知识证明可以用于A.区块链隐私交易B.身份认证C.可验证计算D.无条件匿名传输所有数据答案ABC解析零知识证明在隐私交易、匿名认证、计算完整性验证等方面有应用，但并非无条件匿名传输。10.一个成熟的隐私计算平台应当具备的功能包括A.数据接入与访问控制B.多方协作计算引擎C.模型训练与推理服务D.安全审计与日志监控答案ABCD解析隐私计算平台需覆盖数据管理、计算调度、模型服务和安全审计全流程。三、判断题（每题1分，共20分）1.同态加密允许在密文上直接进行运算，且解密结果与明文直接运算结果一致。答案正确2.差分隐私的隐私预算ε越大，隐私保护强度越强。答案错误3.联邦学习中原始数据需要集中传输到服务器才能训练模型。答案错误4.安全多方计算可以保证各方只能获得最终计算结果，无法获得其他参与方的私有输入。答案正确5.可信执行环境的安全性完全依赖于软件加密算法，与硬件无关。答案错误6.数字签名可以用于验证消息的完整性和发送者身份。答案正确7.k-匿名要求每个等价类中记录数不少于k条。答案正确8.在恶意模型中，敌手会严格遵循协议，不会偏离协议规定。答案错误9.零知识证明中，验证者除了命题真假外无法获得额外知识。答案正确10.联邦学习中的FedAvg算法在服务器端对各客户端模型参数按样本量加权平均。答案正确11.隐私集合求交（PSI）只能用于两个参与方，不能扩展到多方。答案错误12.混淆电路协议只适用于计算简单布尔函数，不能计算任意函数。答案错误13.同态加密计算开销通常低于明文计算。答案错误14.差分隐私中的顺序组合性质表明整体隐私预算为各算法预算之和。答案正确15.拉普拉斯机制添加的噪声尺度与全局敏感度成正比。答案正确16.数据处理者可以自行决定个人信息的处理目的和方式。答案错误17.纵向联邦学习适用于样本重叠多、特征重叠少的场景。答案正确18