写在前面：本文内容均据公开信息整理，仅供参考，版权归原作者所有，如侵权请联系删除，感谢大家~
—— 政策聚焦 ——
1.国家医保局“医保数据安全与共享工作专题会”：统筹医保数据安全与共享近日，国家医保局召开医保数据安全与共享工作专题视频会，分析研判当前数据安全形势，研究部署下一步全国统一的医保信息平台运维管理工作。统筹医保数据安全与共享，规范数据管理和应用意义重大。各地要认真贯彻中央部署要求，依法完善数据安全与共享制度体系；加强协同治理，不断提升数据质量，深度挖掘医保大数据价值；稳妥有序推进数据共享，确保数据安全可控；坚持统一原则，健全平台运维体系，持续完善系统功能，把平台管好用好，切实助力医保事业高质量发展。源：国家医疗保障局http://www.nhsa.gov.cn/art/2022/3/25/art_14_8004.html
2.浙江：数字化改革引领，深化推进大数据产业发展近日，中国电子报推出重点报道《浙江：数字化改革引领，深化推进大数据产业发展》。据赛迪研究院《中国大数据区域发展水平评估白皮书（2021年）》显示，浙江省大数据总体发展水平、产业规模指数全国第四，数据资源指数、行业应用指数全国第一。下一步将加快形成政府侧、行业侧和企业侧数据资源安全有序共享共治、融合应用的模式、路径和场景，提供高可用的数据服务，释放产业数据资源价值，促进数据要素市场化配置和大数据产业发展。查看详情
—— 行业要闻 ——
1.国家标准《信息技术服务 数据资产 管理要求》5月1日起实施由国家市场监督管理总局、国家标准化管理委员会正式发布的国家标准《信息技术服务 数据资产 管理要求》将于今年5月1日起正式实施。是全国首个正式发布的数据资产管理领域国家级标准，填补了我国在数据资产管理领域的标准空白，将对政府、企业等各组织识别、盘点管理自有数据资产产生重大的指导意义，适用于组织的数据资产的应用和管理，使用者包括需要开展数据资产管理工作和提供数据资产管理服务的组织等。查看详情
2.蚂蚁参编｜金科联盟发布《多方安全计算金融应用现状及实施指引》《联邦学习技术金融应用白皮书》前期，北京金融科技产业联盟组织编制并发布了《隐私计算技术金融应用研究报告》，为进一步推动多方安全计算、联邦学习2项隐私计算技术在金融领域的应用探索，联盟编制了《多方安全计算金融应用现状及实施指引》《联邦学习技术金融应用白皮书》，分别对多方安全计算、联邦学习2项技术做了详细分析，介绍了相关的政策及标准情况，梳理了2项技术在金融业应用情况及案例，并从金融应用的平台间互联互通等方面提出建议。查看详情
3.达摩院趋势洞见｜全域隐私计算隐私计算将迎来三方面的突破，让隐私计算能被大规模应用：一是性能与效率的跨越式提升，包含同态加密的算法突破，降低加解密的算力需求、软硬一体的加速芯片，针对多方安全计算和联邦学习场景进行性能优化、更多第三方提供可信执行环境(TEE)等。二是隐私计算技术的白盒化，提升技术的可解释性进而强化信任度，通过开放集成能力，降低跨技术、跨模型的集成壁垒。三是数据信托机构的出现，作为可信第三方提供技术与运营，加速组织间的数据共享。查看详情
4.借鉴｜蓉城数据交易机构的实践探究今年两会期间“数据”成为被高频提及的词汇之一，多位代表委员围绕数据立法、数据治理、数据发展和数据流通展开热烈讨论。本系列针对蓉城数据交易机构实践提出针对性意见，内容分为上下两篇，上篇主要总结分析数据交易机构从1.0到2.0时代的实践特点、面临困境；下篇重点对比2.0时代数据交易机构的典型代表——北京国际大数据交易所和上海大数据交易所。上篇：数据交易机构从1.0到2.0时代的实践特点、面临困境
5.北上广深等争相建设平台布局数据交易，遍地开花或潜藏新的数据割据忧虑数据交易中心建设已按下“快进键”，多地争相抢占数据交易高地。究竟各地数据交易平台现状如何？面临哪些共性难题？发展趋势如何？有何创新举措……借此契机，南都大数据研究院数字政府研究中心以数据交易场所为观察切口，探究数据交易的合规发展以及未来构想。多位数据交易平台相关负责人在接受南都采访时，表达了对“数据交易平台遍地开花、野蛮生长”的忧虑。源：南方都市报https://finance.southcn.com/node_bd56cdafac/fc4662b5fb.shtml
6.一句话资讯【国内头条】
【海外头条】
—— 技术研究 ——
1.联邦学习如何用于医疗？Deakin最新《联邦学习智慧医疗》综述论文全面阐述联邦学习在医疗的应用一个关于FL在智能医疗中的使用的全面综述。首先，我们介绍了FL的最新进展、在智能医疗中使用FL的动机和要求。最近FL设计智能医疗然后讨论,从resource-aware FL,安全和privacy-aware FL激励FL和个性化FL。随后,我们提供在关键的新兴应用FL医疗领域的综述,包括健康数据管理、远程健康监测,医学成像,和COVID-19检测。本文分析了最近几个基于FL的智能医疗项目，并强调了从综述中得到的关键教训。最后，我们讨论了有趣的研究挑战和未来FL研究在智能医疗可能的方向。查看详情
2.联邦学习概念辨析与金融应用思考目前，“联邦学习”这一术语在市场上还存在很多认识上的误解和混淆，主要原因是其既在广义上表达了保护数据前提下联合多方数据训练模型的需求，又在狭义上表示了一类通过暴露部分数据信息来提升训练性能的方法。作为金融行业用户，选择是不是存在“联邦学习”的需求，完全是一个业务问题，其判断标准是数据价值流通能否带来业务价值。在这一需求基础上，是否要选用狭义的“联邦学习”方法和系统来满足这个需求，是个纯粹的IT技术和安全合规问题。其需要考虑和平衡的是数据的敏感性、泄露的代价，以及进行数据保护所需的技术成本。查看详情
