技术介绍
致力于通过前沿的隐私计算技术，解决数据流通过程中的安全挑战。采用隐私安全求交、联邦学习、多方安全计算、匿踪查询等技术，
保障各参与方的原始数据不被泄漏，保障计算过程和计算结果不泄漏隐私。
保障各参与方的原始数据不被泄漏，保障计算过程和计算结果不泄漏隐私。
隐私安全求交（PSI）
隐私安全求交技术利用椭圆曲线Diffie-Hellman（ECDH）算法，实现数据集之间的安全匹配。通过ECDH，参与方能够生成临时密钥，进行点对点的数据交集操作，而无需暴露各自的原始数据。
联邦学习（FL）
联邦学习技术允许多个参与方在本地训练模型，并通过同态加密技术安全地共享模型更新。这种机制确保了数据不必离开本地环境，从而保护数据的隐私性和安全性。同态加密使得中央服务器能够在不解密数据的情况下，对模型参数进行聚合和优化。
多方安全计算（MPC）
多方安全计算允许多个参与方在不泄露各自数据的前提下，共同完成复杂的计算任务。这种技术以不经意传输为基础，构造出混淆电路与秘密分享两类通用计算方案，可以确保数据在计算过程中的完整性和隐私性。
匿踪查询（PIR）
匿踪查询技术提供了一种保护查询方隐私的查询方法，使用同态加密和隐私信息检索协议，使得在跨机构数据查询过程中不会泄漏查询方的查询条件。
超强性能的提升
自研硬件加速方案，对计算引擎、异构算力优化可支持10余种主流密态算子加速，算子性能比CPU平均提升70-100倍。
国产自主可控
从基础硬件，到操作系统、数据库、中间件、计算框架、应用系统等，全面支持国产化生态，确保整体自主可控。支持麒麟、统信、欧拉等操作系统，支持海光、华为处理器，支持DM、南大通用等数据库。
高性能隐私计算一体机
集成埃文硬件加速卡、隐私计算平台，单机支持8张硬件加速卡，单机算力和40颗20核心CPU算力相当，为客户提供高性能、开箱即用的隐私计算全栈解决方案。
