请留下您的联系方式,我们会有客户经理联系您试用

取消
立即申请

数牍观点-性能大规模专项评测双通过,数牍Tusita步入隐私大数据计算时代

作者:数牍科技 发布时间:2022-07-15

关注企业公众号

7月13日,由中国通信标准化协会指导,中国信息通信研究院、隐私计算联盟主办的2022隐私计算大会在京召开。

本次大会上正式公布第六批中国信通院“可信隐私计算评测”名单。数牍科技Tusita隐私计算平台通过本批评测首次推出的“多方安全计算 性能大规模专项评测”、“联邦学习 性能大规模专项评测”

01副本.jpg

02.jpg

本次首推的两项性能大规模专项评测共有4款隐私计算产品通过,数牍科技是唯二两项测评都通过的企业。Tusita隐私计算平台还通过本批“多方安全计算 基础能力专项评测”、“联邦学习 基础能力专项评测”。此外,数牍科技牵头并深度参编了本次大会正式发布的《隐私计算应用研究报告(2022年)》、《可信隐私计算研究报告》。

中国信通院“可信隐私计算评测”体系自 2018 年起逐步构建,是目前国内隐私计算领域最早、最全、广受行业认可的评测体系。经过4年的发展,“可信隐私计算评测”已成为隐私计算领域权威的第三方评测品牌,成为供给侧产品研发和需求侧采购选型的风向标。

本次首推出的两项性能大规模专项评测,区别于原有的性能测试,在大幅增加样本量和特征维数,对安全性、计算精度严格要求的基础上,围绕多方安全计算(MPC)在基础运算、联合统计、隐匿查询(PIR)、安全求交(PSI)、特征工程、联合建模、联合预测等方面的性能表现,围绕联邦学习(FL)在安全求交(PSI)、特征工程、联合建模、联合预测等方面的性能表现进行全面的增压测试,为未来满足隐私计算大规模商用场景筛选更能满足其性能要求的产品。

隐私计算作为兼顾数据安全隐私保护和流通共享的关键技术手段,在数据的开放、交易流通等方面应用潜力巨大。目前,隐私计算已被多地政府纳入数字化发展规划,作为促进数据经济的突破口,融入交易所数字政府、数字社会建设等。

多方安全计算(MPC)和联邦学习(FL)作为隐私计算技术体系两大主要的核心技术,经过多年发展,其基本原理已经成熟。但在应对即将到来的大规模商用落地需求上,基础理论和工程实践间的差距成为隐私计算当下面临的主要挑战之一。尤其是在金融、政务、医疗等对数据安全和效率兼高要求的行业,对隐私计算在复杂多方场景的算力、性能等要求极高。

数牍科技一直坚持隐私工程与研究并进,率先推动在国内隐私计算的工程化落地。数牍工程团队覆盖密码学、联邦学习、分布式计算、云原生、数据科学和数据工程、安全等领域,对隐私计算深厚的技术栈有更深刻的理解和全局视野。隐私工程的实践理念也集中体现在数牍科技自主研发的Tusita隐私计算平台上。Tusita隐私计算平台结合多方安全计算和联邦学习等技术,在满足用户不同场景隐私保护和计算协作需求的条件下,完成隐匿查询、安全求交、多方联合建模、联合预测、联合分析,促进多方数据安全高效流通协作,实现数据可用不可见,最大化地挖掘数据价值。

面对复杂大规模数据量的计算场景,Tusita隐私计算平台将性能优化做到极致,自研隐私计算分布式框架、易于横向扩展的分布式架构部署节点,支持多机器并行计算,使得计算灵活高效;支持亿级数据联邦学习建模能力,并支持亿级数据隐私求交,能够极速完成多方用户ID安全匹配,持续支撑合作伙伴亿万级数据量在生产环境中的流通与协作。此次通过“可信隐私计算评测”体系的两项性能大规模专项评测也表明,Tusita隐私计算平台具备大规模商用场景落地的能力。

在目前的落地商用中,数牍科技也积极实践隐私计算与金融、通信、政务等行业应用场景的深入结合探索,推动隐私工程落地在应用侧的多元化发展。如在风控管理场景,基于隐私计算平台技术打通银行和运营商间的数据,通过联邦学习技术将双方数据联合建模,进而完善银行的信贷风控管理体系,提升银行的信用风险监控能力。在信用卡消费反欺诈场景,数牍科技基于联邦学习技术,引入运营商数据,在不出库前提下和银行信用卡消费数据进行实时欺诈模型计算,极大提升发卡机构的反欺诈能力。在政务数据高保密安全计算场景,数牍科技为政府客户提供隐私计算平台技术支撑,解决政府大数据中相关各类主体间数据流通互信机制和数据共享可信环境确实问题,助力数据要素市场化建设。