产品介绍
隐私计算平台基于同态加密、不经意间传输、差分隐私等密码学技术及可信硬件技术，实现在原始数据不出域的基础上进行跨机构间数据分析与计算。
产品具备全栈隐私计算能力，覆盖安全求交、联邦学习、匿踪查询、联合统计等主流隐私计算应用场景，帮助客户在数据合规的前提下进行多方联合计算，
达到“数据可用不可见.数据不动价值动”的目的，实现数据价值的转化和释放。
核心功能
安全求交
利用隐私安全求交技术，保障企业能够在不暴露各自数据的前提下，实现数据集的交集计算，保障数据共享的安全性和隐私性。
联合建模
联邦建模功能允许跨机构协同构建和训练机器学习模型，无需集中数据，有效保护参与方的数据隐私和商业机密。
匿踪查询
匿踪查询服务确保用户在查询敏感数据时不留下痕迹，通过加密技术保护用户查询的隐私。
多方安全计算
支持多个参与方在数据加密状态下进行联合计算，在计算过程中无需解密数据即可得出计算结果，增强数据的安全性。
核心优势
  • 满足各种业务场景
    平台提供横纵向联邦学习算法，支持隐私安全求交、多方安全计算、匿踪查询、在线模型预测服务等功能，满足营销拓客、信贷风控、广告投放等各类应用场景的使用需求。
  • 支持全栈场景
    隐私计算平台支持横/纵向的联邦学习、单条/批量匿踪查询、多类型安全求交、横/纵向多方安全计算全场景。
  • 丰富的算法
    逻辑回归、无arbiter逻辑回归、SBT、线性回归、无arbiter线性回归、Kmeans等。
  • 异构算力加速
    FPGA异构算力加速方案，将复杂运算转移至硬件设备，支持高并发运算，能够提升单点算力，解决联邦学习因使用同态加密而产生的计算压力与延时问题。
  • 共享海量数据
    联合多家数据源方，建立“数据生态圈”，从源头确保数据质量，为需求方直接提供海量数据，打破“无数据可用、无可用数据”的数据融合壁垒。
应用场景
联合风控
利用隐私计算技术，金融机构可以在不共享原始数据的前提下，跨机构整合数据，优化风控模型。助力金融机构降低欺诈风险，提高风险管理的准确性和效率。
联合营销
通过隐私计算，企业能够在保护用户隐私的基础上，共享用户数据进行营销模型的计算。帮助企业构建更精准的用户画像，实现更有效的市场定位和广告投放。
智能医疗
在医疗领域，隐私计算使医疗机构能够在保护患者隐私的前提下，多家机构联合进行数据的安全共享和分析，有助于加速医学研究，提升疾病预防和治疗的效果。
智能政务
隐私计算技术支持政府机构在保护公民隐私和数据安全的前提下，实现政务数据的开放和共享。促进政府服务的透明度和效率，为政府决策提供数据支持。
SDK推广 SDK推广