可信隐私计算框架核心模块解析 一、隐语架构体系与分层设计 1. 五层架构模型 硬件层：兼容 FPGA/GPU/ASIC 等计算设备，支持海光 CSF、Intel TDX 等可信执行环境（TEE），通过硬件加速与安全特性提升系统性能。 资源层：整合数据

在学习和实践过程中，我掌握了各组件的定位与功能，如 SecretPad 的轻量化部署、SCQL 的多方数据分析、RayFed 的分布式调度等。

学习聚焦于数据流通与隐私计算领域，深入探究了从政策法规到技术实践的全链条内容。通过学习，我清晰认识到国内政策对数据要素市场体系建设的推动作用，以及数据流通与隐私保护之间的矛盾与平衡。

数据成为驱动新零售、新制造、新金融、新技术、新能源等领域发展的重要力量，如同第一次技术革命中的蒸汽能、第二次技术革命中的电能一样，第三次技术革命以数据能为核心，推动经济社会的变革，从农业经济、工业经济迈向数字经济。

2025隐私计算实训营学习笔记 第七讲 隐语在新能源车型的联合定价

2025隐私计算实训营学习笔记 第六讲 基于官方文档的示例验证

2025隐私计算实训营学习笔记 第五讲 基于SecretNote项目案例实验

PIR（Private Information Retrieval，隐匿查询）是一种允许用户在不泄露查询内容的情况下，从服务端数据库中检索数据的技术。具体而言，用户可以查询服务端数据库中的特定数据项，但服务端无法获知用户所查询的数据项的具体内容。

PSI（Private Set Intersection），即隐私集合求交，是一种特殊的 MPC（安全多方计算）协议。其核心功能是：在保护数据隐私的前提下，使多个参与方能够协同计算出各自数据集合的交集，而不泄露交集之外的任何信息。

隐语架构是全面隐私保护计算架构，涵盖硬件到产品层。核心组件包括 SPU、HEU、TEEU、YACL 和 Kuscia 等，各具功能与优势。产品层面，交互式建模工具、多部署形态产品、多方安全数据分析和联邦学习等满足不同场景需求。

隐语架构是全面隐私保护计算架构，涵盖硬件到产品层。核心组件包括 SPU、HEU、TEEU、YACL 和 Kuscia 等，各具功能与优势。产品层面，交互式建模工具、多部署形态产品、多方安全数据分析和联邦学习等满足不同场景需求。其特点为分层易集成、开放

隐语在新能源车型的联合定价

一、MPC在机器学习中的核心价值与技术原理 （一）技术定位与核心目标 多方安全计算（MPC）是隐私计算的核心技术，通过密码学协议实现数据“可用不可见”的联合计算。在机器学习场景中，MPC支持多方在不共享原始数据的前提下协同完成模型训练与推理，有效解决

一、实训背景与目标 （一）行业痛点 新能源汽车市场快速发展，但二手车平台间数据孤岛问题显著： 平台 A 掌握品牌、型号、电池状态等数据； 平台 B 拥有行驶里程、事故历史、用户评价等信息； 双方需联合建模预测新能源车型价格，同时确保数据不出本地，满

2025隐私计算实训营笔记｜数据要素驱动的隐私计算实践 第四讲 基于MPC的机器学习框架

一、实训背景与目标 （一）技术框架选择 本次实训基于蚂蚁集团开源隐私计算框架SecretFlow，利用其安全多方计算（MPC）、联邦学习（FL）等能力，实现跨平台二手车数据的联合建模，解决数据孤岛问题的同时保障隐私安全。目标是通过官方文档示例验证联

可信隐私计算框架：核心定义、技术基石与实践路径 一、可信隐私计算框架的核心定义与技术基石 可信隐私计算框架是融合密码学、安全硬件与分布式系统的综合解决方案，旨在实现数据全生命周期的“可用不可见”与“可验证可追溯”。其核心目标是通过技术构建信任闭环，解

第六讲 基于官方文档的示例验证

SecretNote 项目案例实验笔记 一、实验背景与项目目标 （一）项目定位 SecretNote 是一款基于隐私计算技术的安全笔记协作平台，面向企业团队与个人用户，解决多方共享笔记时的数据隐私泄露风险与协同效率瓶颈。核心技术方案采用 ** 安全多

第五讲基于SecretNote项目案例实验