OpenMined 是一個開放原始碼的平台，其目標是降低隱私計算(Privacy-Preserving Computing )技術的進入門檻，以推動隱私保護。

• 資料由收集資料的人員集中管理，應嚴格控制資料的任何外部使用。
• 優先考慮隱私，安全性和資料完整性，可以對資料進行訓練或查詢。
• 資料所有者擁有完全的控制權：不會共享原始資料。

OpenMined 系統架構(Architecture)

• Sonar：鏈上運行的聯邦學習服務器。
• Capsule： 第三方 PGP 服務器，用於生成公鑰和私鑰，以確保 Sonar 神經網路保持正確加密。
• Data：用戶的資料庫。
• Syft：
  確保加密狀態下訓練的神經網路的函式庫。
  使用差分隱私、多方計算(MPC)和同態加密(HE)將模型訓練中的隱私資料。

OpenMined 功能

1. 遠程執行：
   不共享資料進行分析以保護隱私。
   具有對您無法訪問的機器內部資料進行任意計算的能力。
   1. 多方計算：
      當模型具有多個所有者時，多方計算允許共享模型的控制權，而不會洩露其內容。
   2. 同態加密：
      當模型只有一個所有者時，允許所有者加密他們的模型，以便讓不受信任的第三方可以訓練或使用該模型而不會洩露模型。
   3. 差分隱私：
      最終，您必須要求公開您的分析結果，並可以幫助我們適當地混淆資料。
      1. 資料發布技術：
         包括PATE、DP-SGD、Moments Accountant以及Laplace和指數機制。
      2. 自動差分隱私：
         自動跟踪您執行的操作並添加適當數量的噪音。
         AutoGrad使您可以找到最優的隱私性和實用性的平衡。