【重磅】中国隐私计算平台市场,摩斯第一

简介: 10月11日,全球领先的IT市场研究和咨询公司IDC发布了《中国隐私计算平台厂商市场份额,2022》报告。蚂蚁集团凭借商用隐私计算平台摩斯(MORSE),以 36.9%的市场份额排名第一。

摩斯市场份额遥遥领先

10月11日,全球领先的IT市场研究和咨询公司IDC发布了《中国隐私计算平台厂商市场份额,2022》报告。蚂蚁集团凭借商用隐私计算平台摩斯(MORSE),以 36.9%的市场份额排名第一。图片

这是IDC首次对隐私计算市场的核心产品隐私计算平台市场发起专题调研。调研显示,2022年,中国隐私计算平台市场以92.9%的市场增速实现1.2亿美元的市场规模。

image.png

场景为王 摩斯优势突出

摩斯(MORSE)隐私计算平台深度融合了多方安全计算、联邦学习、可信执行环境等多项隐私计算技术,离线计算支持 10 亿级大规模数据稳定运行,在线支持千万级请求毫秒级时延,并提供标准化互联互通解决方案。摩斯累计获得国际隐私计算顶级大赛 iDASH 冠军四项,主导和推动金标委、IEEE、ITU-t等国际国内相关标准数十项。目前产品广泛应用于联合营销、政务数据安全开放、联合风控、多方联合科研等业务场景,是国内最早大规模商用的隐私计算产品之一,目前已落地 300+客户大规模生产应用,达到金融级生产应用水平。

   **摩斯(MORSE)隐私计算平台具有多项突出优势:**

支持MPC、FL、TEE多引擎,深度融合多种隐私计算技术。在用户体验一致情况下,提供功能丰富度、性能、安全间的最佳权衡,并辅于差分隐私、同态加密、零知识证明、联邦学习等技术增强部分场景下的性能和安全性。

MPC算法性能多层次深度优化,性能领先。如在MPC领域中引入G模这一数学工具;对Paillier同态加密算法进行改造;提出了跨密态计算、MPC算子调度算法、底层密码库创新和性能优化,比传统隐私计算方案降低CPU使用率80%、带宽占用50%。

支持超大数据集和高可用。摩斯将隐私计算技术与SPARK大数据计算框架和redis、ODPS等大数据存储框架,实现了灵活的横向扩展和高可用,支持10亿级别数据的隐私计算。

软硬件结合优化性能、增强安全、TEE技术领先。通过自研隐私计算加速卡和算法、软件联合优化,实现百倍性能加速。采用国密认证的密码卡增强隐私计算中的通信安全和密钥安全。采用可信硬件和可信OS技术增强隐私计算平台可信度。蚂蚁TEE libos性能业界领先,得到Intel推荐;蚂蚁的国产化TEE硬件方案也已成熟,通过了信通院权威认证。

多种形态产品和服务能力。摩斯已经发展出MORSE Edge(隐私计算软件产品,支持分布式、集中式)、MORSE Flow(隐私计算连接器,互联互通标准化解决方案)、MORSE Station(隐私计算一体机,密码卡、TEE卡、GPU加速),MORSE APP+(在线服务隐私增强服务),支持各种类型客户和场景的需求。同时摩斯最新推出MORSE OPEN系列服务,安全数据服务MORSE DaaS、安全模型服务MORSE MaaS、机密算力服务MORSE CaaS、隐私计算API能力 MORSE OpenAPI。
image.png

摩斯加速行业前瞻性布局

摩斯凭借多年的隐私计算行业经验和技术积累,敏锐地洞察到行业趋势,并提前布局进行行业前瞻能力建设。在互联互通方面,目前摩斯已与多个产品互通,并落地招商银行慧点等互联互通平台建设;在技术方面,摩斯正在加速与大模型、图计算等前沿技术研究,并取得初步进展;在场景方面,覆盖银行、保险、证券、零售、政务、科研等十多个行业,营销、风控、门店管理等多个场景。

IDC预测行业迎来机遇

IDC分析认为,数据要素市场发展成为国家与社会广泛关注的方向,为隐私计算大规模拓展深化提供契机,通过隐私计算技术赋能数据流通、数据资产化成为关键,能够助推政府、智能网联汽车、能源电力、金融等领域,实现数据的实时共享和交流,加速业务决策和创新,也为数字经济打造一套全新的可信协作机制环境。

摩斯将持续引领行业发展

此次IDC报告的发布,证明了摩斯隐私计算技术能力和商业化变现能力在行业内遥遥领先,摩斯业务总经理李怀勇表示,“未来摩斯将会在隐私计算领域继续深耕,加速技术与产品研发、场景拓展,持续引领行业发展。从隐私计算到一站式数据智能服务,让隐私计算服务更加随手可得”。
image.png


摩斯业务总经理李怀勇,在外滩大会发布隐私计算智能决策服务MORSE DaaS

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
机器学习/深度学习 编解码 Shell
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
手撕 Transformer:从原理到代码,一步步造一个“小型大模型”
手撕 Transformer:从原理到代码,一步步造一个“小型大模型”
507 6
|
机器学习/深度学习 人工智能
一键生成PPT的AI工具介绍
一键生成PPT的AI工具介绍
2103 0
|
4月前
|
人工智能 运维 安全
2026年阿里云GPU云服务器全解析:GPU卡规格、收费价格及使用场景指南
阿里云GPU云服务器(EGS)提供高性能、弹性可扩展的算力支持,覆盖模型训练、智能驾驶、图形渲染等全场景AI应用。2026年全新升级,涵盖T4、A10、V100、L20等多元GPU卡型,匹配不同算力需求。支持包年包月、按量付费、抢占式实例等多种计费模式,结合节省计划与智能调度,助力企业降本增效。广泛应用于大模型推理、计算机视觉、科学计算等领域,具备安全合规、高可用、易用性强、生态完善等核心优势,是企业数字化转型与AI创新的坚实底座。
|
7月前
|
数据采集 人工智能 编解码
AI出码率70%+的背后:高德团队如何实现AI研发效率的量化与优化
本文系统阐述了在AI辅助编程快速发展的背景下,如何构建一套科学、可落地的研发效率量化指标体系
1860 27
AI出码率70%+的背后:高德团队如何实现AI研发效率的量化与优化
|
人工智能 Kubernetes jenkins
容器化AI模型的持续集成与持续交付(CI/CD):自动化模型更新与部署
在前几篇文章中,我们探讨了容器化AI模型的部署、监控、弹性伸缩及安全防护。为加速模型迭代以适应新数据和业务需求,需实现容器化AI模型的持续集成与持续交付(CI/CD)。CI/CD通过自动化构建、测试和部署流程,提高模型更新速度和质量,降低部署风险,增强团队协作。使用Jenkins和Kubernetes可构建高效CI/CD流水线,自动化模型开发和部署,确保环境一致性并提升整体效率。
|
SQL 安全 Go
【Go语言专栏】Go语言中的安全审计与漏洞修复
【4月更文挑战第30天】本文介绍了Go语言中的安全审计和漏洞修复实践。安全审计包括代码审查、静态分析、运行时分析、渗透测试和专业服务,借助工具如`go vet`、`staticcheck`、`gosec`等。修复漏洞的方法涉及防止SQL注入、XSS攻击、CSRF、不安全反序列化等。遵循最小权限原则、输入验证等最佳实践,结合持续学习,可提升Go应用安全性。参考[Go安全工作组](https://github.com/golang/security)和[OWASP Top 10](https://owasp.org/www-project-top-ten/)深入学习。
627 0
|
机器学习/深度学习 人工智能 安全
摩斯和华瑞银行反赌诈合作案例,荣获“上海金融科技优秀解决方案”奖
蚂蚁链摩斯凭借与华瑞银行合作的“基于摩斯隐私计算平台的反赌诈项目”,成功入选“2023年度上海金融科技优秀解决方案”。蚂蚁自2015年开始探索反赌反诈的智能风控技术,并于2016 年起布局隐私计算,探索行业数据协作的创新方案。摩斯作为蚂蚁集团的商用隐私计算平台,在联合风控方向上已服务80余家金融机构。
摩斯和华瑞银行反赌诈合作案例,荣获“上海金融科技优秀解决方案”奖
|
Cloud Native 编译器 Linux
如何在Windows、Mac和Linux操作系统上安装Protocol Buffers(protobuf)编译器
如何在Windows、Mac和Linux操作系统上安装Protocol Buffers(protobuf)编译器
1198 0
|
安全 Linux 数据处理
Linux命令shred详解:数据安全删除的艺术
`shred`是Linux下用于安全删除文件的命令,它通过多次随机覆盖确保数据无法恢复。工作原理包括默认三次的覆盖,用户可自定义次数。主要特点有:多次覆盖、可定制、灵活操作和安全删除。示例:`shred -n 5 -z -v -u file.txt`(覆盖5次,填充0,删除文件)。使用时注意确认文件、备份数据、检查权限和文件系统兼容性。最佳实践是结合`rm`使用,根据敏感度选择覆盖次数。