隐语开放平台12月版本更新,欢迎申请试用!

简介: 隐语开放平台12月版本更新,欢迎申请试用!


隐语开放平台是一站式隐私计算应用开发平台,提供数据接入、统计分析、模型训练、服务部署全链路一站式服务。在蚂蚁集团内部经过金融风控、联合营销等业务场景的长期打磨及沉淀,支持多方安全计算、联邦学习、TEE等多种安全选型的解决方案,覆盖从数据处理到服务化全链路,满足链路中各类型参与方的不同功能需求,赋能用户多场景落地隐私计算。隐语开放平台自9月初发布以来,已收到150+机构申请试用,大家对隐语的热情和信任,也促使隐语不断成长,本次带来版本更新:

🌟功能更新概览

基于MPC的金融风控全链路技术方案开放体验;

管理中心-数据管理:支持数据表按分区读写;

项目空间-研发中心(画布模式):增加XGB二分类/回归训练及预测,支持带规则隐私求交;

项目空间-服务部署:支持实时和定时模型服务部署,版本管理、冒烟、测试环境验证、重跑、补数;

其中,“隐语-基于MPC的金融风控全链路技术方案”,实现了包括数据分析、特征预处理、模型训练、效果评估、模型服务化在内的全链路安全的数据处理能力,为用户提供安全开放的数字化服务。

平台还建设了一系列的通用机器学习算法,如:逻辑回归、评分卡、XGB等算法,通用的组件配置项,内含丰富的特征预处理组件,提供「拖拉拽」与「编程式」两种研发模式,业务方可根据实际数据情况进行模型的选择和配置,还可使用场景化模板,在分钟级别内即可完成模型训练流程搭建。可扫下方二维码,申请体验试用!

隐语开放平台后续还将逐步开放更多能力,如:支持python、sql自定义脚本组件、PIR、全链路定时自动训练及评估预测能力、节点本地数据接入和授权管理、全链路审计等能力。同时也欢迎大家提出需求和建议,复制下方链接到浏览器打开进行反馈。

https://survey.alipay.com/apps/zhiliao/j3b_tod5t


相关文章
Arkts http数据请求
Arkts http数据请求
1071 0
|
Prometheus Cloud Native Unix
完全解读Prometheus查询(上)
完全解读Prometheus查询(上)
616 0
|
6月前
|
人工智能 运维 负载均衡
AgentRun上线!5分钟完成企业级Agent构建
阿里云发布函数计算AgentRun,基于Serverless架构打造一站式Agentic AI基础设施,深度融合AI场景,实现毫秒级弹性、按需付费、安全沙箱与全链路可观测,助力企业降本60%,加速AI Agent高效落地生产环境。
965 0
AgentRun上线!5分钟完成企业级Agent构建
|
5月前
|
网络协议 Dubbo Java
从 TCP 到 RPC:彻底搞懂「HTTP 与 RPC用法区别」
本文深入剖析HTTP与RPC的本质区别,从TCP底层原理讲起,解析粘包拆包、协议封装等核心问题,梳理二者演进脉络。通过对比服务发现、传输性能、适用场景等维度,结合Dubbo、gRPC等框架,帮你按场景精准选型,彻底搞懂微服务通信的技术逻辑。
857 160
|
算法 安全 大数据
隐私计算实训营第5讲-------隐私求交和隐语PSI介绍以及开发实践
隐私求交(Private Set Intersection, PSI)是利用密码学技术在不暴露数据集以外信息的情况下找到两集合的交集。隐语SPU支持三种PSI算法:ECDH(适合小数据集)、KKRT(基于Cuckoo Hashing和OT Extension,适合大数据集)和BC22PCG(使用伪随机相关生成器)。ECDH基于椭圆曲线 Diffie-Hellman,KKRT利用OT Extension实现高效处理,而BC22PCG通过压缩满足特定相关性的随机数减少通信量。此外,还有基于Oblivious Pseudo-Random Function (OPRF)的PSI协议。
1992 0
|
传感器 存储 iOS开发
【HarmonyOS NEXT调试全攻略】设备连接+运行环境一站式指南
本文提供HarmonyOS调试全面指南,涵盖设备连接与运行环境配置。包括模拟器操作、真机调试方法,及环境配置、功能模拟、故障排除等内容。核心覆盖Win/Mac双平台配置、真机级功能模拟、50+故障解决技巧等,助开发者高效调试。适合教育科普学习,错误之处欢迎指出。
1035 0
|
机器学习/深度学习 JSON PyTorch
图神经网络入门示例:使用PyTorch Geometric 进行节点分类
本文介绍了如何使用PyTorch处理同构图数据进行节点分类。首先,数据集来自Facebook Large Page-Page Network,包含22,470个页面,分为四类,具有不同大小的特征向量。为训练神经网络,需创建PyTorch Data对象,涉及读取CSV和JSON文件,处理不一致的特征向量大小并进行归一化。接着,加载边数据以构建图。通过`Data`对象创建同构图,之后数据被分为70%训练集和30%测试集。训练了两种模型:MLP和GCN。GCN在测试集上实现了80%的准确率,优于MLP的46%,展示了利用图信息的优势。
776 1
|
机器学习/深度学习 数据采集 算法
Python实现Catboost回归模型(CatBoostRegressor算法)项目实战
Python实现Catboost回归模型(CatBoostRegressor算法)项目实战
|
Ubuntu 数据可视化 Docker
第4讲笔记:SecretFlow & SecretNote安装部署
安装SecretFlow需在Ubuntu虚拟机上用Anaconda创建Python 3.8环境,名称为secretflow,然后在环境中运行`conda create -n secretflow python=3.8`,`source activate secretflow`和`pip install -U secretflow`。SecretFlow部署可选仿真或生产模式。仿真模式包括单机(模拟Alice、Bob)和集群仿真,生产模式涉及多节点部署,注意各节点间的通信配置。SecretNote适合多节点代码的可视化执行,但不适用于生产环境。
433 1
|
Kubernetes 算法 安全
隐语1.0设计理念深度解读:让产品易用,让研发也易用。
隐语1.0设计理念深度解读:让产品易用,让研发也易用。
1647 0