可信数据空间中“可信”的具体内涵包括哪些维度？ 2 4.可信数据空间的关键技术组件有哪些？ 2 5.可信数据空间的主要参与主体及其角色定位是什么？ 3 6.可信数据空间对数据要素市场建设的核心价值是什么？ 4 7.可信数据空间与隐私计算技术的关系是什么？ 5 8.可信数据空间与区块链技术的结合点有哪些？ 5 9.可信数据空间的应用场景主要覆盖哪些行业？ 6 10.可信数据空间的“全生命周期可信”如何理解？ 7 二、数据治理类 21.可信数据空间中数据加密的合规要求（对称/非对称加密）？ 15 22.访问控制的“最小权限原则”在可信数据空间的应用？ 16 23.可信数据空间中数据脱敏的国家标准与适用场景？ 16 24.隐私计算技术在可信数据空间的合规性验证要点？ 18 25.可信数据空间中安全审计的日志留存要求是什么？ 18 26.数据泄露事件的应急响应流程与合规要求？ 19 27.可信数据空间中数据安全风险评估的频率与内容？ 可信数据空间的互操作性标准核心内容是什么？ 24 35.可信数据空间的可信认证机构与流程有哪些？ 25 36.可信数据空间中数据格式的合规标准要求？ 26 37.可信数据空间中接口标准的安全性设计要点？ 27 38.隐私保护技术（如差分隐私）的标准应用要求？ 27 39.区块链技术在可信数据空间的合规标准（如BSI）？ 28 40.AI技术在可信数据空间的应用标准有哪些？ 29 五、运营管理类 30 41.可信数据空间运营主体的法律责任与义务是什么？

大模型生成的回复与公认的事实 知识出现了冲突。 • 需要不断增加高质量的标注数据， 优化模型加以解决 3. 保护数据要素隐私 训练垂类行业模型时，面临 保护各类本地数据隐私的问 题。包括，训练数据，本地 模型，提示词等。 多个数据源联合训练一个大 模型时极有可能会暴露每个 数据源的用户隐私和影响信 息安全。 例子： 问：请总结以下新能源车的介绍， 并突出说明其优点。 答：总体上看，这款最新的 XXX 1. 构建联邦大模型新范式，解 决数据稀缺 / 标注不足问题； 2. 利用联邦学习技术，在保护 数据隐私的前提下，合规合 法地利用手机、汽车等终端 设备上的私域数据； 效果 ： 1. 联邦大模型，整体性能更优； 2. 联邦大模型，有效保护了私 域数据的隐私和机密。 3. 本地的联邦模型，无需高性 能计算资源，降低了使用门 槛，提升了能源效率。 AI Agent 本地数据 大模型 联邦大模型 FATE-LLM 问题：如何能够让大模型落地到本地小模型，同时保护隐私安全？ 本地模型 本地数据 … 15 传统方法：将草从各地集中到一起喂羊， 并不合规，隐私和数据安全保护的要求 使得获取数据成为障碍 联邦学习新思路：让羊群在各地移动， 而草不出本地，主人无法知道它吃了 哪些草 联邦学习核心思想

6.3.2 事故责任判定...........................................................................115 7. 数据共享与隐私保护................................................................................117 7.1 交通数据共享平台 7.2 隐私保护技术....................................................................................125 7.2.1 数据匿名化处理.......................................................................127 7.2.2 用户隐私权保障 理中心已经开始部署基于 AI 的系统，以自动识别交通违章和事 故，及时处理并通知相关部门。 然而，尽管在人工智能与交通领域的结合上已有一定的进展， 实际部署和广泛应用仍面临一些挑战，如数据隐私与安全、技术标 准化、以及公众接受度等问题。各国政府和相关企业正在积极探索 解决方案，以推动 AI 技术在交通领域的落地应用。 综上所述，人工智能在交通领域的发展潜力巨大，未来的交通 系统有望更加智能、高效和安全。因此，将

175ZB）， 但高质量语料尤其是中文语料严重匮乏，实际流通率却不足 5%。数据 “ ” 产业面临 不敢共享、不愿共享、不能共享 的困局如同无形枷锁禁锢着 AI 创新的步伐。 比如医疗数据因隐私顾虑难以赋能疾病预测模型，工业数据因竞争壁垒阻碍供应链协 同优化，金融数据因权属模糊制约风险管控精度，这些挑战的本质，是数据要素市场化 “ ” 配置过程中 信任基础 的不足，也将严重制约着人工智能产业的发展。 能协同发展 挑战 1、数据空间发展与挑战 1.1 数据空间国内外发展趋势 国际 数 据空间（IDS, International Data Space） 的概念最早起源于欧洲，旨在解决数据孤岛、隐私 安全和权属不清等问题，推动数据的高效流通与价 值释放，促进数字经济的快速发展。 2016 年，德国工业 4.0 战略率先提出工业数据空间 的概念，随后欧盟推出《欧洲数据战略》，将数据空 据主权、多方协同治理和标准化，GDPR（通用数据 保护条例）为数据保护奠定了法律基础。 在技术架构上，欧盟以 GAIA-X、IDSA 为代表，采用 联邦式、去中心化架构。数据不集中存储，而是保 留在数据源地，通过联邦学习、隐私计算等技术实 现协同分析。此外，还利用区块链、分布式身份认 证等技术，保障数据流通的安全与可控。通过连接 器机制（Connector Mechanism），实现了不同系 统间的数据互操作，提升跨域数据流通效率。

省级数据共享需求..............................................................................17 2.3 数据安全与隐私保护需求...................................................................20 2.4 用户角色与功能需求........... 指 在特定省域内，依托先进的技术手段，实现跨部门、跨行业的数据 共享、交换与协同应用的平台，它将为政府决策、经济发展与社会 治理提供强有力的数据支撑。 在推动数据互联互通的过程中，数据安全和隐私保护成为亟需 解决的问题。信任是数据共享的基础，而可信数据空间则是构建信 任的重要保障。通过建立完善的数据治理机制、标准和技术保障， 省级可信数据空间可以确保数据的真实、完整和安全，从而提升各 31.3 万亿元，占 GDP 的比重超过三分之一，而数据作为数字经济的核心要素，其价值潜 力尚未得到充分挖掘。政府部门在促进数据共享方面面临诸多困 境，例如数据孤岛现象、数据质量良莠不齐、保护数据隐私的法规 不健全等。因此，省级可信数据空间的建设不仅能促进数据的整合 与共享，也能提升政府服务能力和社会各界对数据的信任。 省级可信数据空间的构建需要多方参与的协同机制，包括政 府、企业、社会

加速研究创新，聚焦大众健康 39 悦动三环，引领运动健康生活方式 42 守护听力健康 65 企业责任 67 以消费者为中心 67 用高质量赢得消费者信赖 69 保护消费者隐私安全 73 可持续的供应链 73 供应商责任管理 74 供应商产品环保管理 74 负责任原料管理 75 促进社区发展 75 创造就业，培养人才 77 员工关爱与健康保障 理念。 保护消费者隐私安全 AI、5G-A、量子计算等前沿技术推动产业加速数字化转型和智能化升级，华为坚信在数字化、智能化时代，网络安 全与隐私保护是数智世界发展的基石，并将网络安全和隐私保护置于公司的商业利益之上。我们持续构建并全面实施 端到端的全球网络安全与隐私保护保障体系，在产品和服务中构建网络安全与隐私保护能力，通过创新科技构筑领先 的隐私安全体验。 隐私保护与网络安全治理体系 隐私保护与网络安全治理体系 华为持续构建完善隐私保护与网络安全治理体系，在端到端的业务流程中嵌入隐私安全要求；由终端BG EMT制订、 审议并执行终端隐私安全政策、战略、治理方案，管理隐私安全能力建设，提升终端产品和服务的隐私安全竞争力。 设立终端BG隐私保护与网络安全办公室，组织相关部门建立支撑战略及执行的操作细则，推动措施落地，并进行稽 核，监控落地情况。 治理架构 可持续发展寄语 可持续发展管理 数字包容

从数据中提取有用 信息、发现规律、形成结论的过程。 3.21 隐私保护计算 privacy-preserving computation 指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一类信息技术，保 障数据在产生、存储、计算、应用、销毁等数据流转全过程的各个环节中“可用不可见”。 注1：隐私保护计算的常用技术方案有多方安全计算、联邦学习、可信执行环境、密态计算等。 业发展趋势与平台运营指标，动态调整市场策略，确保平台在竞争环境中保持灵活应变与持续 增长的能力。 6.8.4 法律合规与政策协调 ——动态法律监测：应设立专门团队或外包机构，持续关注国家及地方数据安全、隐私保 护、跨境流动等政策法规，及时更新内部规范。 ——合规培训与审计：应定期对平台及生态主体开展合规教育，并组织内部或第三方合规 审计，确保政策落地执行。 ——政策协同：宜与政府主 流转的场景，必须依照《网络安全法》《数据安全法》《个人信息保护法》及关键信息基础设施 安全保护条例等、跨境数据管理规定等对数据来源、使用目的、处理方式、存储期限等关键环节 完成合法性和安全性评估，特别关注涉及敏感信息（如个人隐私、商业秘密、重要数据等）的场 景；并将合规审查报告、发现的问题清单、整改措施及最终批准记录完整存档；情形复杂或影响 范围较大时，宜委托具有资质的第三方机构开展专项合规评估。 ——空间运营者应采用

................17 （三）缺乏专业的数据管理人才.................................................... 18 （四）数据安全与隐私保护难度大................................................ 18 （五）数据资产价值实现路径不清晰......................... （二）打通数据资产价值实现路径，鼓励评估入表....................23 （三）以标准为引领，推动智能工厂建设标准化........................24 （四）强化数据安全与隐私保护，筑牢安全基础........................25 （五）数据资源赋能制造业创新，培育数智融合人才................26 1 一、数据资产概念和分类 （一）基本概念 出 显著的差异。 6 多主体性 数字资产涉及数据获取、存储、分析等环节，多方主体参与 导致权属复杂。 7 可共享性 在权限可控的前提下，数据资产能被多个主体共享和应用。 8 隐私风险性 数字资产的使用可能会伴随隐私和习惯泄漏风险。 （四）数据资产价值评估 数据资产作为核心生产要素，蕴含着巨大的价值潜力。 为准确衡量和评估数据资产价值，数据资产评估应运而生。 评估由专业机构及其专家团队遵循法律、行政法规、行业标

严格遵循《数据安全法》《个人信息保护法》等 相关法律法规要求，通过区块链存证、联邦学习、差 分隐私等先进技术，确保数据 “可用不可见”。平台要 具备完善的安全管控体系，实现对数据访问、传输、 存储、使用等全流程的安全管控，有效防范数据泄露、 篡改、滥用等安全风险，保障政务数据的安全和隐私。 1.3 项目范围 1.3.1 平台功能 平台功能涵盖多个方面，包括国产算力资源池、 多模 实际工作需求，提高工作效率和服务质量。 2.1.3 安全合规需求 政务数据涉及大量的敏感信息和个人隐私，因此 安全合规是各部门在数据使用过程中首要考虑的问题。 例如，省纪委监委的监督数据属于高度敏感信息，需 要严格的安全管控和存证溯源机制；省卫生健康委的 医疗数据涉及个人隐私，必须严格遵守相关隐私保护 法规。 平台需要建立完善的安全合规体系，实现对数据 访问的严格控制、操作行为的全程留痕、数据使用的 平台需要提供全面的数据治理功能，包括数据清 洗、脱敏、标注、知识图谱构建等。数据清洗要能够 去除数据中的噪声、重复数据和错误数据，提高数据 的准确性；数据脱敏要对敏感数据进行处理，确保数 据在使用过程中不泄露隐私信息；数据标注要为机器 学习模型提供高质量的训练数据；知识图谱构建要将 分散的数据关联起来，形成结构化的知识体系，为智 能应用提供知识支撑。 通过这些功能，形成高质量的公共数据集，为大 模