隐私计算实训营第一期笔记｜详解：隐私计算框架的架构和技术要点

[梁同学们]

主讲：周爱辉

1、隐语架构一览

分层结构的出发点：

• 完备性：目前隐私计算没有绝对优势的一个
• 层之间相互透明：开源用户可以从任何一层入手出发
• 开放性：分层设计可以使不同专业人员发挥个性化优势

 

2、隐语架构拆解

产品层

定位：通过可视化产品，降低终端用户的体验和演示成本。通过模块化API降低技术集成商的研发成本。

人群画像：作为隐语的直观入口，隐私保护计算从业者均应该关注

 

算法层

PSI/PIR

定位：高性能、轻量化、易上手

人群画像：PSI/PIR产品、需求、研发人员

 

PSI (Private Set Intesection)：一种特殊的安全多方计算（MPC)协议

 

PIR (Private Information Retrieval)：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

 

Data Analysis - SCOL：一种多方安全数据分析系统，可以让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

定位：屏蔽底层安全计算协议的复杂性，以简单熟悉的SQL语言界面，提供多方数据密态分析能力

人群画像：数据分析集成商、数据分析产品人员、数据分析需求人员、数据分析研发人员

 

核心特性：

• 半诚实安全模型
• 支持多方 (N>=2)
• 易上手，提供 MySQL 兼容的 SQL方言用户界面
• 支持常用的SQL 语法和算子，满足大部分场景的需求
• 可实用的性能
• 提供列级别的数据使用授权控制 (CCL)
• 支持多种密态协议 (SEMIZK/ CHEETAH/ABY3 )
• 内置支持多种数据源接入（MySQL,Postgres, CSV 等）

 

Federated Learning：在原始数据不出域的前提下，通过交换中问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)。

定位：具备安全攻防保障的明密文混合机器学习框架和算法

人群画像：深度学习需求方、深度学习产品人员、安全A/研究人员

 

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

定位：面向跨机构场景，提供单机构内计算任务独立调度和跨机构计算任务协作的能力。

人群画像：隐语工程开发人员、隐语箅法开发人员

 

SPU（Secure Process Unit）

定位：桥接上层算法和底层安全协议，保持原生Al框架体验的同时为用户提供透明的、高性能的、基于安全协议的密态计算能力。

人群画像：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：

• 原生对接主流Al前端
• 支持丰富的机器学习算法
• 带隐私保护语义的中间表示语言
• 基于MLIR的加密计算编译优化
• 高性能MPC协议虛拟机
• 多种数据并行，指令井行优化
• 丰富的MPC协议，适配各种场景
• 支持协议扩展，支持异构设备接入

 

HEU

定位：低门槛，高性能的同态加密库，支持多类型、可扩展的算法协议和硬件加速生态

人群画像：同态加密用户、同态算法研究人员、同态硬件研发人员

 

同态加密分类

PHE：支持密态加法或乘法

LHE：支持有限次密态加法和乘法

FHE：支持无限次密态加法和乘法

核心特性：

• 支持多种PHE算法
• 性能业界领先
• 支持多种接口：Numpy-like API、C++、Pvthon

• 硬件加速

 

TEEU（Trusted Enextution Environment Unit）

定位：支持多种可信执行环境的、具备数据使用跨域管控能力的密态计算枢纽，可执行数据分析、机器学习、MPC/L加速等功能。

人群画像：数据合规研究人员、TEE软件开发人员、TEE硬件制造厂商

 

YACL

定位：多种隐私计算技术路线共同需要的密码库，具备安全实现保证、高性能等特点。

人群画像：安全/密码研究人员

 

资源层

KUSCIA

定位：屏蔽不同机构间基础设施的差异，为跨机构协作提供丰富且可靠的资源管理和任务调度能力。

人群画像：隐私保护计算集成商、运维开发人员

 

互联互通

定位：隐语和其它厂商的平台可以互联互通，，共同完成一个隐私计算任务。

人群画像：互联互通需求方、算法研发人员、平台研发人员、隐私保护计算集成商

 

跨域管控

定位：数据离开持有者的运维域后，数据方仍然能够有效地控制数据的流转过程，避免其被窃取或者非预期使用。

人群画像：隐私保护计算需求方、监管方运维人员

跨域管控的三权分置：数据要素 “三权〞在数据流转过程中诞生与流转，数据要素 “三权〞 权益的机制保障核心是数据加工使用权跨城管控。