隐私计算顶级赛事iDASH2021揭榜 蚂蚁链摩斯获同态加密、联邦学习两项第一

本文涉及的产品
密钥管理服务KMS,1000个密钥,100个凭据,1个月
简介: 内部钉钉交流群:摩斯产品应用交流(群号:35544266)摩斯产品官网:https://antchain.antgroup.com/products/morse1月28日,2021年iDASH国际隐私计算竞赛正式公布比赛结果,来自蚂蚁集团的蚂蚁链摩斯团队斩获同态加密、联邦学习两项第一。这是自2014年iDASH举办以来,首次来自中国的参赛队夺得上述赛道第一,蚂蚁链摩斯也成为首支同时拿下两项第一的中

内部钉钉交流群:摩斯产品应用交流(群号:35544266)


1月28日,2021年iDASH国际隐私计算竞赛正式公布比赛结果,来自蚂蚁集团的蚂蚁链摩斯团队斩获同态加密、联邦学习两项第一。这是自2014年iDASH举办以来,首次来自中国的参赛队夺得上述赛道第一,蚂蚁链摩斯也成为首支同时拿下两项第一的中国队伍。

 

iDASH 由美国国立卫生研究院(NIH)主办,每年举行一次,是目前国际上在隐私计算和数据隐私保护领域最高规格的竞赛。历年参赛队伍中包括麻省理工、斯坦福和谷歌等世界名校或科技巨头。今年iDASH竞赛共有来自全球十多个国家和地区的八十多支队伍参加,包括IBM、三星、蚂蚁、腾讯等国内外大型科技公司。

 

iDASH 每年会设置2至4个赛道,分别限定采用不同的隐私计算技术来解决问题。赛事组委会对各参赛队提交的方案及其代码进行评审,筛选出符合赛题场景、安全等各方面要求的方案,对其测试评估,按性能、精度等指标进行排名。

 

据了解,今年比赛设置了同态加密、联邦学习和区块链三大赛道,其中,同态加密与联邦学习两大赛道参赛队伍众多,竞争尤为激烈。

 

同态加密赛道要求训练新冠病毒变种的分类模型,并在加密状态下对新冠样本进行分类。摩斯方案创新地提出基于典型基因片段匹配的新分类方法,并设计了同态布隆过滤器来提升密态分类性能。最终在各方数据和模型不出域前提下,不到1秒就完成了全部2000个样本的100%正确分类,速度达到第2名的5倍且准确率更高。

 

联邦学习赛道要求用两个水平分割的数据集对一种心肌病进行差分隐私安全建模。蚂蚁链摩斯团队提出树模型差分隐私安全方案,通过精心构造随机森林、基于指数机制的特征选择和决策树构建、及最优预算分配,使方案在保持高预测准确率的同时,最大减少了计算量和通信。摩斯方案建模只需0.09秒,速度是其他方案的3倍及以上。

 

值得一提的是,蚂蚁链摩斯在2019年首次参加iDASH比赛时,就曾获多方安全计算赛道冠军。在国际权威赛事上多次夺冠与蚂蚁链摩斯在隐私计算技术与应用领域的深厚积累密不可分,也显示出蚂蚁集团的隐私计算综合技术实力达到世界顶尖水平。

 

蚂蚁集团从2016年开始就布局隐私计算技术,相关专利排名全球第一,并参与了多项隐私计算国际标准的制定。蚂蚁集团旗下蚂蚁链从 2017 年起进行隐私计算产品摩斯(MORSE)的研发,其中融合了多方安全计算、同态加密等多项隐私计算技术。摩斯也是业内首个通过业内权威测评(信通院测评)的隐私计算产品。


  • 摩斯产品钉钉交流群,欢迎扫码入群:

 


相关文章
|
10月前
|
机器学习/深度学习 算法 数据可视化
# 隐私计算实训营note#3 详解隐私计算框架及技术要点
这一讲的内容是介绍蚂蚁的SecretFlow框架[第3讲:详解隐私计算框架及技术要点](https://www.bilibili.com/video/BV1dJ4m1b7AX/)。
|
10月前
|
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。
269 0
|
10月前
|
监控 安全 数据可视化
第9讲:隐语多方安全计算在安全核对的行业实践丨隐私计算实训营 第1期
行业法规趋势强调数据安全与隐私保护,如《个人信息安全规范》、《数据安全法》和《个人信息保护法》,倡导最小权限原则和数据的有效利用。产品方案致力于在保障安全和隐私的前提下促进数据共享。技术共建中,与隐语合作构建安全自证能力,包括可审查性、可视化监控和可攻防的验证机制,确保数据操作透明且安全。
95 1
|
10月前
|
算法 数据库
隐私计算实训营第6讲-------隐语PIR介绍及开发实践丨隐私计算实训营 第1期
隐匿查询(PIR)允许用户在不暴露查询内容的情况下检索服务器数据库。PIR分为单服务器和多服务器方案,以及Index PIR和Keyword PIR两类。隐语目前实现了单服务器的SealPIR(用于Index PIR)和Labeled PSI(用于Keyword PIR)。SealPIR优化点包括:数据打包、查询向量压缩、支持多维和多个查询。未来,隐语PIR的计划包括性能提升、多服务器方案和新算法的探索。
410 3
|
10月前
|
机器学习/深度学习 运维 安全
隐私计算实训营 第1期 【第1讲】
隐私计算实训营 第1期 【第1讲】—— 导论 | 数据可信流通 从运维信任到技术信任
169 3
|
10月前
|
SQL 算法 安全
隐私计算实训营 第三讲 详解隐私计算框架及技术要点
隐语架构包括产品、算法、计算、资源和硬件层。产品层关注可视化和模块化API,服务于集成商和研究人员。算法层涉及PSI/PIR、安全数据分析及联邦学习。计算层有混合编译调度、SPU、HEU、TEEU和YACL。资源层采用kuscia,基于K8s的隐私计算框架。硬件层未详述。互通互联提供黑盒和白盒模式,跨域管控实施三权分置、秘态存储和全栈审计。该架构设计便于集成和使用。
104 0
隐私计算实训营 第三讲 详解隐私计算框架及技术要点
|
10月前
|
SQL 安全 数据挖掘
隐私计算实训营第7讲:隐语SCQL的架构详细拆解丨隐私计算实训营 第1期
SCQL是安全协作查询语言,让不信任的多方能在保护隐私的前提下进行联合数据分析。它假设参与者半诚实,支持多方(N>=2)合作,且具备SQL语法支持和性能优化。SCQL提供类似SQL的用户界面,通过CCL机制允许数据所有者控制数据使用权限。系统基于SPU的MPC框架运行,适用于多个应用场景。
205 0
|
10月前
|
算法
隐私计算实训营 第1期-详解隐私计算框架的架构和技术要点
本文简要介绍了隐语技术架构的五层结构:产品层、算法层、计算层、资源层和硬件层。每层分别涉及模块功能、定位和人群画像,旨在使不同角色的用户能轻松理解和使用,降低隐私计算的入门难度。此外,隐语产品设计具有开放性和前瞻性,易于集成。
|
10月前
|
运维 安全
隐语隐私计算实训营-第一讲
主题:数据可信流通,从运维信任到技术信任
|
10月前
|
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
2579 0