-
联邦学习隐私保护与性能优化系统
成果：面向异质数据的高效隐私联邦计算框架一、成果介绍面向异质数据的高效隐私联邦计算框架Octopus-FL拓展了现有国内外典型联邦学习平台功能，适应计算资源有限条件下隐私保护个性化需求，缓解了non-ID数据集联邦学习模型偏移问题。 1、构建了典型机制的中心化/本地化差分隐私库。在当前主流的联邦学习框架中，Google的TFF和OpenMined的PySyft支持差分隐私算法种类有限，而微众银行的FATE系统、百度的PaddleFL、FederatedScope...
2023-05-29 -
安全可信的联邦学习技术
成果1：基于硬件可信执行环境的安全联邦学习框架一、成果介绍提供了基于硬件可信执行环境的安全高效联邦学习，为适配基于RISC-V边缘计算的硬件解耦联邦学习奠定基础。该成果支持100%联邦学习模型的隐私保护，联邦学习计算效率相较于直接利用硬件可信执行环境提升3倍以上，计算效率相较于同态加密提升3倍。 二、对长安链的价值为长安链平台隐私计算构建高效、安全可信的联邦学习框架；为长安链RISC-V边缘计算平台部署联邦学习形...
2023-05-29 -
联邦计算环境下面向MPC的SQL查询优化
成果：面向多方安全计算的SQL查询优化处理器一、成果介绍面向多方安全计算的查询处理器兼容传统的、广大数据分析人员熟悉的SQL语言，使得数据分析人员可便捷和高效地在长安链上查询与分析物理上分散且隐私受保护的区块数据。 无中心计算：传统的SQL查询都针对有中心的计算模式，而本处理器针对无中心的联邦计算环境，计算节点之间是对等的；支持安全算子：在传统的SQL查询的基础上，支持隐私数据求交、安全多方计算等算子；面向...
2023-05-29 -
支持多方和抗恶意的高效MPC协议研究与实现
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...
2023-05-29 -
神经网络的同态加密算子设计及密态推断
成果：神经网络低成本同态转化与高可靠密态部署工具一、成果介绍成果聚焦人工智能加密云服务场景，打造新一代神经网络模型可信推断机制，提出世界首个面向预训练大模型的同态加密解决方案，成果《THE-X：Privacy-Preserving Transformer Inference with Homomorphic Encryption》发表于计算机领域顶级会议ACL，采用算子级蒸馏和有限拟合等方式低损转化为同态支持线性算子等方法首次实现Transformer架构模型的密文推断，对于大模...
2023-05-29 -
隐私数据分级治理关键技术与系统
成果：隐私数据分级治理及数据安全防护系统一、成果介绍根据长安链隐私计算平台特点，创新构建隐私数据分级治理和数据安全防护两套系统，针对核心技术提出创新实现方案，已申请相关发明专利。补充长安链的数据资产识别、隐私数据识别及分级分类能力：建立完整的数据识别、分级分类系统，实现40+敏感数据识别算法及规则管理，40多类数据的自动识别和自动分级分类。 针对隐私计算平台建立专属的数据防护能力：实现与长安链隐私计...
2023-05-29
