“CCF-蚂蚁隐私计算专项科研基金”发布,欢迎申报!

简介: “CCF-蚂蚁隐私计算专项科研基金”发布,欢迎申报!

可信隐私计算框架“隐语SecretFlow”致力于隐私计算技术研发及规模化应用的推进,为行业数据安全、数据信任、数据孤岛问题提供新的解决方案。隐私计算是一个涉及众多学科领域的综合技术,仍有很多技术难题需要攻克,需要广大从事相关课题的研究人员积极探索。


为了推动中国隐私计算技术的发展,助力隐私计算科研研究,中国计算机协会与蚂蚁集团共同发起了隐私计算科研基金;在隐私计算框架“隐语”开源发布会上宣布:在“CCF-蚂蚁科研基金”框架下,新增发布“CCF-蚂蚁隐私计算专项科研基金”。该基金将向全球富有创新思维与研究能力的学者投入百万级科研基金并开放27项课题申报。


:50

中国计算机学会秘书长唐卫清远程视频为基金项目发布致辞
“CCF-蚂蚁隐私计算专项科研基金”将致力于搭建产学研合作平台,面向全球学者,开放“开源隐私计算平台的安全性研究”、“隐私保护下的端云推荐模型”、“后量子MPC研究”等16个隐私计算相关前沿探索类课题和11个实践论证类课题,为隐私计算研究产出前沿、高质量的学术研究成果,以推进数据安全领域前沿技术探索与落地。

特别说明: 隐私计算涵盖了 密码学、机器学习、可信硬件等 多种学科,包含多方安全计算(MPC)、联邦学习(FL)、可信执行环境(TEE)等多种技术路线,涉及众多专业技术栈,推动隐私计算进步,需要从产业界和学术界共同努力。
本年度CCF-蚂蚁隐私计算专项科研基金时间规划
2022年07月04日     基金发布,申报开始 2022年08月10日     proposal申请截止,启动评审 2022年08月30日     评审结束,发布项目结果 2022年09月             签署合同

关于CCF-蚂蚁科研基金:
2020年6月18日,蚂蚁集团发布“CCF-蚂蚁科研基金”,致力于面向全球高校学者搭建产学研合作及学术交流平台,连接产业实践问题与学术科研问题,支持学者开展与产业结合的前沿科研工作。CCF-蚂蚁科研基金自运作2年来,受到了全球学者的广泛关注,累计支持额度超过1500万,吸引了320位专家学者的积极申报,共支持53个科研项目,在人工智能、软件工程,区块链,数据库、物联网等领域全面展开科研工作,多项研究成果在蚂蚁集团的业务场景得到应用。

项目详情及申报指南已同步上线CCF官网,欢迎海内外优秀学者提交项目申请!点击文末,阅读原文,下载申报资料。
关于隐语:


隐语Secret-Flow是蚂蚁集团自主研发的一套通用隐私计算框架,以安全、开放为设计理念,支持包括MPC、TEE、FL、HE、DP在内的多种主流隐私计算技术。目前“隐语”已正式开源,诚挚邀请业界同行参与隐语共建,丰富隐私计算落地场景,齐力推动隐私计算技术发展,最终实现整个隐私计算行业的进步。

相关文章
|
Java Maven Spring
【Spring】EL表达式失效的问题(添加 isELIgnored)
【Spring】EL表达式失效的问题(添加 isELIgnored)
|
4月前
|
人工智能 NoSQL Java
LangChain4j 项目概览
LangChain4j 是一个专为 Java 开发者设计的大语言模型 (LLM) 集成框架,旨在简化 Java 应用程序与各种 LLM 提供商的集成过程。该项目受到 Python 的 LangChain、Haystack、LlamaIndex 等框架的启发,为 Java 生态系统提供了强大而统一的 LLM 工具链。
|
数据挖掘 BI
解密辛普森悖论:如何在数据分析中保持清醒头脑
解密辛普森悖论:如何在数据分析中保持清醒头脑
677 0
|
JavaScript
基于Vue3实现简约型侧边栏
本文介绍了如何在Vue3项目中实现一个简约型侧边栏导航,包括配置路由、页面布局和导航交互,以及如何通过Vue Router和条件渲染实现动态内容展示。
1415 1
|
安全 API 开发工具
开发api数据接口的工作步骤
本文概述了使用Python的Flask框架开发简单API数据接口的基本步骤。首先,需明确API提供的数据及其来源,确保数据的真实可靠。其次,选择合适的开发工具和技术栈,如Python结合Flask,并安装所需环境。编写代码时,应导入必要模块、创建应用实例、定义数据、设计路由及处理函数,并考虑错误处理和日志记录。测试阶段,在本地启动服务器并使用工具验证功能和性能。最后,选择合适平台部署API,并确保其稳定性和安全性。在整个过程中,需注重数据安全、代码质量及系统性能优化。
|
数据采集 机器学习/深度学习 数据挖掘
使用Python进行数据预处理与清洗的最佳实践
本文探讨了Python在数据预处理和清洗中的关键作用。预处理包括数据收集、整合、探索、转换和标准化,而清洗则涉及缺失值、重复值、异常值的处理及数据格式转换。文中提供了使用pandas库进行数据读取、缺失值(如用平均值填充)和重复值处理、异常值检测(如IQR法则)以及数据转换(如min-max缩放)的代码示例。此外,还讲解了文本数据清洗的基本步骤,包括去除标点、转换为小写和停用词移除。整体上,文章旨在帮助读者掌握数据预处理和清洗的最佳实践,以提高数据分析的准确性和效率。
2062 2
|
机器学习/深度学习 运维 监控
|
缓存 JSON 前端开发
webpack超详细教程,学webpack看这一篇就够了!(上)
webpack超详细教程,学webpack看这一篇就够了!(上)
|
SQL 监控 测试技术
SQL语法优化与最佳实践
【2月更文挑战第28天】本章将深入探讨SQL语法优化的重要性以及具体的优化策略和最佳实践。通过掌握和理解这些优化技巧,读者将能够编写出更高效、更稳定的SQL查询,提升数据库性能,降低系统资源消耗。
|
存储 SQL 监控
阿里云数据库 SelectDB 版重磅发布,邀测火热进行中
“阿里云数据库 SelectDB 版”首个版本已于 8 月 20 日正式上线,欢迎有需要的企业免费试用体验!
3465 16

热门文章

最新文章