【蝉联】摩斯再次获得“中国隐私计算市场份额第一”

蚂蚁摩斯隐私计算论坛 2024-08-05 10:45:20

蝉联第一

8月2日,全球领先的IT市场研究和咨询公司IDC发布了《中国隐私计算平台厂商市场份额,2023》报告。蚂蚁集团凭借商用隐私计算平台摩斯(MORSE),以 35.3%的市场份额蝉联第一。

 

2023年,中国隐私计算平台市场以 12.8%的市场增速实现 8.9 亿元人民币的市场规模。在数据要素市 场迅猛发展的驱动下,市场实现增长。但同时受制于经济环境的影响,政府与行业企业在创新性技术上 的投资更加谨慎,相比于 2022 年增速显著降低。其中,蚂蚁集团基于在隐私计算技术性能与技术结合上的不断创新突破,以及自有金融业务的加持,以 35.3%的份额位于市场第一。 

 

1  持续探索    

蚂蚁摩斯隐私计算平台(MORSE)是蚂蚁数字科技的主要的隐私计算商业化产品,深度融合了多方安全计算、联邦学习、可信执行环境等多项隐私计算技术,解决企业间数据协同计算中的数据隐私保护和不能明文出域的问题。目前摩斯离线计算支持十亿级大规模数据稳定运行,在线支持千万级 QPS 毫秒 级时延,并提供标准化互联互通解决方案,支持大模型应用场景中的数据和模型的隐私保护。

  • 多引擎支持能力全面:摩斯深度融合 MPC、FL、TEE 多种隐私计算技术,可以在用户体验一 致情况下,提供功能丰富度、性能、安全间的最佳权衡,并辅于差分隐私、同态加密、零知识 证明、联邦学习等技术增强部分场景下的性能和安全性。将隐私计算技术与 SPARK 大数据计 算框架和 redis、ODPS 等大数据存储框架结合,实现了灵活的横向扩展和高可用,支持 10 亿 级别数据的隐私计算。软硬件结合优化性能、增强安全、TEE 技术领先,蚂蚁的国产化 TEE 硬 件方案实现了行业首个可标准化的互联互通方案,可以跟异构的隐私计算平台实现多层次的互 通,支持隐私计算算法扩展标准,可编写算法组件扩充已有的能力;

  • 大规模计算性能大幅提升:摩斯大规模联邦学习性能实现亿级支持,通过将分布式流水线训练 等技术应用到联邦学习架构,实现了拆分学习、联邦学习、MPC 机器学习等算法高效运行,支 持亿级万维样本的训练与预测;分布式多方计算性能跃迁,优化原有的分布式计算架构,通过 抽象出分区内通信模式极大地提升了在混合 CPU、网络和磁盘密集型任务的并发度,大幅度提 升了在 PSI、PIR 等场景下的性能,保障离线 PSI 十亿级、离线 PIR 亿级小时级完成,生产任 务稳定性达到 95%以上;

  • 全新推出多项前沿创新能力:联邦图计算,创新地将联邦学习思想应用于跨机构图计算 (Pagerank、标签扩散等),在分布式图计算基础上,增强隐私性、并减少跨域通信,大大提 升了联合图计算的性能。模糊匹配,设计了基于向量相似度、多字段组合等安全模糊匹配算 法,可在密态下实现基因、人脸、缺错字段数据的模糊匹配。大模型隐私保护,实现了基于 TEE、拆分学习、差分隐私 3 条技术路线的大模型微调和推理,并获得首批大模型可信执行环 境产品专项测评认证;安全卫士,面向隐私计算平台系统安全的深度检测工具,可针对隐私计算平台的系统级安全、密码学安全、隐私协议实现安全性和模型训练过程及结果安全性等全方位进行安全性检测并产出针对性的分析报告及优化建议。

  • 隐私计算商业化前瞻推动者:摩斯目前已落地 350+客户,主要应用在金融、零售行业精准营销 等场景,以其创新的场景化应用引领隐私计算行业商业化进程,是国内最早大规模商用的隐私 计算产品之一。摩斯以其优异的产品技术表现,曾获得国际隐私计算顶级大赛 iDASH 冠军五 项,获得隐私计算相关测评认证 20 多项;同时,摩斯积极参与行业标准制定,曾主导和推动金 标委、IEEE、ITU-t 等国际国内相关标准近百项,推动行业标准化进程。

 

   关于未来  

IDC 中国高级分析师洪婉婷表示:"2022 年,《个人隐私保护法》、《数据安全法》的落地给隐私计算 市场带来了巨大的发展推动。但随着 2023 年技术与场景的结合出现挑战,市场增速出现了大幅回落。隐私计算市场已经进入发展攻坚期,基于金融、通信行业基本盘,挖掘新的增长点已经成为所有企业必答的课题。可喜的是,2023 年数据要素市场的发展,以及大模型技术的突破,都为隐私计算技术的应 用带来新的发展机遇。"  

大模型有望带动新一轮隐私计算建设需求:受制于本地算力限制等因素,大模型的微调、推理向公共算力中心迁移成为探索方向。这为企业保护自身的高质量数据、知识库等带来巨大挑战。在本地大模型落地仍未实现的当下,通过隐私计算 TEE 技术,实现数据密算,实现对企业的模型、数据、商业信息的多维度保护也将成为企业推动热点,有望推动新一轮的隐私计算建设需求。  

今年以来,摩斯最新推出“大模型隐私保护方案”,解决大模型应用过程中的数据和模型的隐私安全问题。在原有大模型使用链路上叠加隐私计算能力,实现微调精度无损、秒级隐私推理,支持云部署、一体机、自有算力多种部署方式,支持算力扩展,可供企业灵活选购。目前该产品已获得“信通院首批大模型TEE产品专项测评认证”,可以应用在智能化服务工具、金融产品分析和推荐、生物医学研究、法律推理决策等领域,提升业务决策效率和精准度。

关注我,获取更多资讯~

...全文
563 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文介绍了如何利用 GitHub Copilot 辅助进行程序调试与 Bug 分析,强调 Copilot 不仅可用于代码生成,更是强大的代码分析与调试工具。文章详细阐述了 Copilot 在调试复杂问题、老旧项目维护和难以复现 Bug 场景下的优势,提出了“先分析、再修改”的四步流程:分析原因→评估风险→提出方案→修改代码,并推荐结合错误日志、用户操作等信息精准提问,提升 AI 回答质量。同时展示了如何通过 Copilot 增强调试能力,如自动加日志、异常保护、生成测试数据和性能分析。最后通过游戏拾取系统的实际案例,说明如何结构化描述问题以获得有效反馈。; 适合人群:具备一定开发经验,正在参与项目调试或维护工作的程序员,尤其是面对复杂逻辑、历史代码或难复现 Bug 的 1-3 年开发者;也适合希望提升 AI 协作能力的技术人员。; 使用场景及目标:①快速定位偶发性崩溃、数据异常等问题根源;②理解无文档或结构混乱的老代码模块;③优化调试流程,借助 AI 生成诊断建议、修复方案与测试用例;④构建更具健壮性的程序,提前发现潜在缺陷。; 阅读建议:学习者应结合自身项目中的真实问题,按照文中提供的结构化提问模板实践,逐步训练与 Copilot 的协作能力,重视问题描述的完整性与准确性,避免直接要求修改代码,优先通过分析提升对系统的理解。
内容概要:本文针对高精度电流控制下的永磁同步电机(PMSM)参数辨识难题,提出一种基于粒子群优化算法(PSO)的多参数辨识模型,并在Simulink环境中完成系统级仿真实现。研究旨在克服传统控制中因电机参数(如定子电阻、交直轴电感、永磁磁链等)随温度、负载变化而失配所导致的电流控制性能下降问题。通过构建以电流跟踪误差为核心的适应度函数,利用PSO算法全局寻优能力强的特点,实现对关键电机参数的在线或离线精确辨识。文中详述了PSO算法的实现机制、参数初始化策略、收敛判据设计以及与PMSM矢量控制系统的集成方法,验证了该方案在不同运行工况下的辨识精度、收敛速度与鲁棒性,显著提升了电流环的动态响应品质与稳态控制精度。; 适合人群:具备电机驱动控制、现代控制理论及优化算法基础,熟悉MATLAB/Simulink仿真平台,从事高性能PMSM控制系统研发的研究生、高校科研人员及自动化、电力电子领域的工程师;特别适合正在开展参数自适应、智能控制算法应用等相关课题的研究者。; 使用场景及目标:①应用于高端制造装备、电动汽车驱动系统、精密伺服系统等对电流控制精度要求严苛的场合;②解决实际工程中因电机温升、老化等因素引发的参数漂移问题,提升系统长期运行稳定性;③作为智能优化算法与电机控制深度融合的教学案例,帮助理解PSO在复杂非线性系统参数辨识中的应用逻辑与实现路径。; 阅读建议:建议读者结合提供的Simulink仿真模型进行复现实验,重点剖析PSO算法模块与电机控制模型的接口设计、适应度函数的构建原则及参数敏感性分析方法,可进一步尝试引入其他先进优化算法(如GWO、HHO)进行性能对比,以深入掌握不同智能算法在工程辨识问题中的适用性与优劣。

21,500

社区成员

发帖
与我相关
我的任务
社区描述
汇编语言(Assembly Language)是任何一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言,亦称为符号语言。
社区管理员
  • 汇编语言
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧