第3讲笔记:详解隐私计算框架及技术要点

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 隐语架构是一个分层设计,支持不同技术路线,具有高内聚、低耦合特性,允许各层次的技术人员发挥所长。它包括产品层、算法层和计算层。产品层有SecretPad和SecretNote,提供轻量化安装和全栈产品,支持MPC、TEE等。算法层涉及PSI、PIR协议和SCQL,用于安全数据分析,屏蔽底层复杂性。计算层包含RayFed分布式调度框架和SPU密态计算核心,提供高性能密态计算能力和机器学习算法支持。

一、隐语架构概览
隐语分层架构设计,可以支持不同的技术路线,同时使得层内高内聚,层间低耦合,增强了开放性,不同技术路线的研究人员都可以在对应的层发挥自己的优势。
image.png
二、隐语架构拆解
1、产品层
• SecretPad:轻量化安装, 可以快速体验隐语的功能
• 多部署形态:目前有中心模式,之后会发行P2P模式
• 全栈产品:支持MPC,TEE,SCQL等
• SecretNote:Notebook形式,可以跟踪运行状态,进行交互式建模,以及多节点的管理和交互
2、算法层——高性能,易用的协议模块
• PSI:一种特殊的MPC协议,求两方数据的交集,除此之外不泄露其他信息
• 丰富的协议:半诚实模型(两方/多方);恶意模型
• 性能和协议优化
• 多层入口:白屏用户/开发人员
• PIR:用户查询服务端数据库中的数据,但服务端不知道用户查询的是哪些数据
• 丰富的协议:Sealed PIR;Label PIR...
• 性能和协议优化
• 多层入口:白屏用户/开发人员
• Data Analysis——SCQL
image.png
• 多方安全数据分析系统,可以使互不信任的参与方在保护自己数据隐私的前提下,完成多方数据分析任务
• 屏蔽了底层协议
• 核心特性
• 半诚实安全模型
• 支持≥2的参与方
• 兼容MySQL,支持常用的SQL语法和算子
• 数据使用授权管控
• 支持多种密态协议
• 联邦学习
• 在原始数据不出域的前提下,交换中间数据完成机器学习建模
• 包含水平联邦和垂直联邦(主要是拆分学习,Split Learning)
• 具备安全攻防保障的明密文混合的机器学习算法和框架
• 安全风险度量体系
• 攻防框架
• 攻防算法
• 性能优化
• 包含常见算法
3、计算层
• 混合编译调度-RayFed
• 在Ray基础之上所构建的专注于跨机构的分布式计算调度框架
• 面向跨机构场景
• 密态引擎-SPU(Secure Process Unit)
image.png
• 隐语密态计算核心模块之一
• 桥接上层算法和底层安全协议
• 为用户提供透明的, 高性能的, 基于安全协议的密态计算能力
• 面向机器学习研发人员, 密码协议研发人员, 编译器研发人员
• 核心特性
• 对接主流AI前端
• 支持多种机器学习算法
• 高性能MPC协议虚拟机
• 有丰富的MPC协议, 适配多种场景
• 支持协议扩展
• 多种数据并行, 指令并行优化

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。
|
移动开发
【软考】校验码之详细总结
【软考】校验码之详细总结
1610 0
|
数据采集 存储 SQL
数据中台全景架构及模块解析!一文入门中台架构师!
数据中台全景架构及模块解析!包括数据采集、数据存储、数据开发处理、数据资产管理、数据质量和安全、数据服务。一文入门中台架构师!
|
机器学习/深度学习 算法 安全
隐私计算训练营第三讲-详解隐私计算的架构和技术要点
SecretFlow 是一个隐私保护的统一框架,用于数据分析和机器学习,支持MPC、HE、TEE等隐私计算技术。它提供设备抽象、计算图表示和基于图的ML/DL能力,适应数据水平、垂直和混合分割场景。产品层包括SecretPad(快速体验核心能力)和SecretNote(开发工具)。算法层涉及PSI、PIR、数据分析和联邦学习(水平、垂直、混合)。此外,SecretFlow还有YACL密码库和Kusica任务调度框架,Kusica提供轻量化部署、跨域通信和统一API接口。
1045 0
|
监控 负载均衡 Java
5 大 SpringCloud 核心组件详解,8 张图彻底弄懂
本文图文详解 Spring Cloud 的五大核心组件,帮助深入理解和掌握微服务架构。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
5 大 SpringCloud 核心组件详解,8 张图彻底弄懂
|
存储 关系型数据库 MySQL
ES的全文索引和MySQL的全文索引有什么区别?如何选择?
【8月更文挑战第26天】ES的全文索引和MySQL的全文索引有什么区别?如何选择?
2692 5
|
机器学习/深度学习 SQL 人工智能
隐私计算框架“隐语”介绍及展望(附ppt)
隐私计算框架“隐语”介绍及展望(附ppt)
1402 0
|
缓存 监控 负载均衡
提高服务器CPU使用率
提高服务器CPU使用率
1643 8
|
机器学习/深度学习 人工智能 安全
一文搞懂隐私计算
一文搞懂隐私计算
5699 0
|
机器学习/深度学习 关系型数据库
【YOLOv8改进 - 注意力机制】NAM:基于归一化的注意力模块,将权重稀疏惩罚应用于注意力机制中,提高效率性能
**NAM: 提升模型效率的新颖归一化注意力模块,抑制非显著权重,结合通道和空间注意力,通过批量归一化衡量重要性。在Resnet和Mobilenet上的实验显示优于其他三种机制。源码见[GitHub](https://github.com/Christian-lyc/NAM)。**