隐私计算互联互通成果正式发布,相关代码已在隐语社区上线!

简介: 隐私计算互联互通成果正式发布,相关代码已在隐语社区上线!


“2022可信隐私计算峰会”于今日在北京顺利举办!会上中国信通院云计算与大数据研究所副主任闫树正式启动隐私计算联盟互联互通推进计划,蚂蚁集团成为首批加入该计划的成员;同时峰会还发布了"隐私计算跨平台开放算法协议第一部分:ECDH-PSI",本次互联互通成果由蚂蚁集团、中国移动、洞见科技依托隐私计算联盟互联互通推进计划进行了实践,相关代码实现已在隐语开源社区正式发布。公众号后台回复【互联互通】即可查看相关代码及文档。

01成果详解


隐私计算实现复杂,种类繁多,需依靠协议簇的系列标准做到全面互联互通:互联互通开放协议簇由多个子协议组成,每个子协议对隐私计算的某一方面做了规范化和标准化,这些子协议组合起来才能使隐私计算算法真正做到全行业的互联互通。对于单个开放协议而言,分为算法握手和算法执行两个步骤。握手流程实现通用算法类的参数算法对齐,安全原语相关的参数对齐。算法执行阶段包括本地算法计算,交换中间信息,实现异构平台之间的互联互通。

蚂蚁集团,中国移动,洞见科技依托隐私计算联盟互联互通推进计划,首先启动了基于ECDH-PSI的开放协议的设计与实践,隐私集合求交PSI,不仅可以独立使用实现联合分析,同时也是联合建模的第一个步骤样本对齐的核心算法。ECDH-PSI 开放协议架构介绍ECDH-PSI 算法概述:ECDH-PSI的算法流程如图所示,包括五个步骤:第一步:参与方在本地计算原始数据(如ai)的杂凑值,并将杂凑值映射到椭圆曲线上的点,然后加密得到数据(如P1i);
第二步:参与方将加密后的数据的传输给其它数据提供方,如参与方A将P1i传输给数据 提供方B;第三步:参与方对在本地使用自己的私钥对步骤二中接收到的数据进行二次加密;第四步:如果结果对另一个参与方可见,将步骤三中加密后的数据传输给另外一个参与方;第五步:参与方本地计算集合求交的结果。注:加密指基于椭圆曲线的点乘算法和本地的密钥(如keyA),对数据完成加密。

ECDH-PSI 算法流程:

专有协议 ECDH-PSI 分为2个阶段,握手阶段和算法主体运行阶段。

握手协议俱备的能力:

  • 确定交互互通的算法
  • 确定运行所需参数,包括算法参数和安全原语相关的参数
  • 为减少所使用的RTT,握手协议在一次交互中完成

算法主体基于握手协商的参数完成 PSI 计算

本次互联互通实践有三大亮点:国密算法兼容支持算法安全公开透明,通信+互联网两个行业的三方互基于该实践经验,联合发布隐私计算跨平台互联互通开放协议第1部分:ECDH-PSI 的协议文稿,同时相关实现代码已在隐语社区上开源发布,方便行业借鉴参考。02成果共享


隐语深度支持开放算法协议:隐语的算子原生支持开放协议,开放协议算子不是一个 demo,而是生产级可用。通过开源,隐语给出了开放协议的一种参考实现,帮助行业更好地理解协议的内容。互联互通文档地址:https://www.secretflow.org.cn/docs/interconnection/zh_CN/index.htmlECDH-PSI互联互通开放协议开源地址:https://github.com/secretflow/interconnection隐语ECDH-PSI参考实现地址:https://github.com/secretflow/spu/blob/main/spu/psi/bucket_psi.h03成果价值


当前隐私计算企业百余家,产品呈现百花齐放的状态。大多数产品异构闭源独立发展,产品技术实现差异较大,造成跨平台无法互联互通数据的计算孤,给数据应用各方带来了系统重复建设和运维成本增加的问题。互联互通是降低隐私计算产品部署成本、实现规模化应用的现实需求、和构建数据流通基础设施的必要基础。隐私计算的互联互通需要满足信息互通、平台自治、实现安全、结果正确、易扩展等特性。隐私计算协议互联大致可以分为两类:算法调度协议互联和开放算法协议互联。算法调度协议互联,即俗称的黑盒算法迁移形式;开放算法协议互联,即俗称的白盒算法对齐形式。在实际使用中,“算法调度协议互联”和“开放算法协议互联”可组合使用。当下,业界的主要探索大多集中在算法调度层的互联互通,这种方式是基于同一算法组件迁移实现协同计算,无需公开算法实现,但是需要使用方对“算法插件”进行可信认证。而开放算法协议互联,则是基于同一算法的规范流程实现任务协同计算,规范的流程更加透明和开放,更容易建立多边的信任,也能在隐私计算市场上激发更为丰富的可以互联互通、相互协同的算法实现,因此,这一首次对算法层互联互通的开放协议进行了的探索实践具有突破引领的技术意义。

相关文章
|
分布式计算 算法 调度
课3-详解隐私计算框架的架构和技术要点
隐语架构涵盖产品、算法、计算、资源和硬件五层,旨在实现互联互通和跨域管控。产品层包括SecretPad等,简化用户和集成商体验。算法层涉及PSI/PIR、SCQL和联邦学习,提供隐私保护的数据分析和学习。计算层如RayFed、SPU、HEU等,支持分布式计算和密态处理。资源层的KUSCIA用于跨机构任务编排,硬件层涉及FPGA等加速器。互联互通支持黑盒和白盒模式,确保不同平台协作。跨域管控则强调数据流转控制,保护数据权益。
|
6月前
|
人工智能 算法 API
多模态模型卷王诞生!InternVL3:上海AI Lab开源78B多模态大模型,支持图文视频全解析!
上海人工智能实验室开源的InternVL3系列多模态大语言模型,通过原生多模态预训练方法实现文本、图像、视频的统一处理,支持从1B到78B共7种参数规模。
903 6
多模态模型卷王诞生!InternVL3:上海AI Lab开源78B多模态大模型,支持图文视频全解析!
|
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。
1159 0
|
3月前
|
存储 安全 测试技术
理解功能需求
本文全面解析软件开发中的功能需求,涵盖定义、分类、实例及编写与管理的最佳实践。内容适用于业务分析师、项目经理和开发人员,助力构建高质量、符合用户期望的软件产品。
202 0
|
安全 算法 数据挖掘
《隐私计算简易速速上手小册》第4章:技术挑战与解决方案(2024 最新版)
《隐私计算简易速速上手小册》第4章:技术挑战与解决方案(2024 最新版)
201 1
|
11月前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
405 10
|
机器学习/深度学习 算法 安全
2024.3.20隐语训练营第3讲笔记:详解隐私计算框架及技术要点
隐语架构是一个分层设计,支持不同技术路线,确保高内聚、低耦合,增强开放性。它包括产品层(如SecretPad和SecretNote)、算法层(如PSI和PIR协议)、计算层(RayFed和SPU)、资源层(KUSCIA)和互联互通及跨域管控机制。该架构旨在提供高性能、易用的隐私计算解决方案,支持MPC、TEE、SCQL等,并允许不同背景的研究人员参与。
368 0
|
算法 安全 网络安全
信息安全: MAC(消息认证码)算法,保护数据完整性和真实性的利器
MAC 算法在保证数据完整性和真实性方面扮演着重要角色。HMAC 和 CMAC 作为两种主要的 MAC 算法,因其高安全性和广泛应用,已经成为现代通信和数据保护中不可或缺的一部分。通过本文的介绍,希望读者能够更好地理解和使用 MAC 算法,保障信息的安全性。
|
运维 安全 数据安全/隐私保护
|
Linux Docker 容器
隐私计算实训营第4讲-------快速上手隐语SecretFlow的安装和部署
考虑到很多小伙伴可能是初学者之前并没有安装docker 以及docker-compose的经验,本文记录如何在Linux系统上快速的部署docker以及更换国内镜像源。在部署完成以后展示了隐语从源码编译部署以及secretnote的安装,简单快速,非常实用。
439 1