成果：支持多种MPC算法的多方通信框架

一、成果介绍

创新构建了MPC多方通信框架、实现多种MPC运算算法、增强联合建模、联合预测功能。

高效的运算算法：自主研发基于MPC方式执行四则表达式，与现有数据分析平台无缝集成；突破除法算子这一MPC协议难点的性能瓶颈，实现20%提升；逻辑回归耗时缩短40%左右，Falcon进行神经网络推理时间缩短50%左右。

高并发高性能通信方案：兼容多种MPC协议、兼容云原生部署；支持aby3协议多任务并行通信使用，降低MPC协议的使用成本。

安全的多方联合建模能力：实现两方联合建模、联合推理，三方联合推理能力，三方预测过程中提供恶意安全性支持。

二、对长安链的价值

解决隐私计算执行联合统计任务过程中遇到的多任务通信问题、MPC协议不支持除法计算等落地实施时的痛点，拓展在隐私保护机器学习领域的应用，填补长安链隐私计算平台现有能力的空白。

三、应用场景/案例

联合统计应用于金融反欺诈场景中的共债统计，联合运营中的共盈利统计，政府、地方特定区域基于隐私保护的穿透式监管统计；

高性能MPC框架，在大数据交易场景中，MPC协议的多方分布式特点非常适合，但是数据量庞大，性能是痛点。该框架在大数据交易场景中获得了应用。

基于MPC的机器学习算法，在金融反洗钱、反欺诈、联合营销等领域，可以有效提升模型的精准度，提升业务效果。目前在多家银行、保险等机构均有落地案例。