【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 10:48:09

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
691 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:本文系统研究了开关频率大于谐振频率(fs>fr)工况下,移相混合控制LLC谐振变换器在低压增益区域的工作特性,深入分析其在变频与移相结合控制模式下的调制机理、工作模态划分及损耗分布规律。通过Simulink平台构建高保真仿真模型,对变换器在不同负载和输入条件下的电压增益、转换效率、关键器件电压电流应力等性能指标进行了全面仿真验证,重点探讨了其在低增益区间的软开关实现能力与效率优化潜力,旨在提升LLC变换器在宽范围输入输出应用中的动态响应与能源转换效率。; 适合人群:从事电力电子变换器设计、高频电源开发及相关领域的高校研究生、科研院所研究人员及企业研发工程师,要求具备扎实的电路理论基础、电力电子技术知识以及一定的Simulink仿真能力。; 使用场景及目标:①深入理解LLC谐振变换器在fs>fr条件下采用移相混合控制的内在工作机理与模态转换过程;②掌握利用Simulink搭建复杂谐振变换器精确仿真模型的方法与技巧;③分析并优化低压增益区的增益特性与损耗构成,为设计高效率、高功率密度的软开关电源提供理论依据和数据支持; 阅读建议:建议读者结合文中所述仿真模型,亲自复现仿真过程,重点观察不同控制参数(如移相比、开关频率)对电压增益曲线和关键波形的影响,并对比传统变频控制策略,深入探究混合控制在拓宽调压范围、提升轻载效率方面的优势,从而深化对现代高效谐振电源设计的理解。
内容概要:本文提出了一种基于粒子群优化算法(PSO)的配电网光伏储能双层优化配置模型,以IEEE33节点系统为标准算例,实现光伏发电单元与储能系统的协同选址与定容优化。该模型采用双层架构设计,上层以投资成本、运行经济性及网络损耗最小为目标优化设备配置方案,下层通过潮流计算评估系统在不同负荷场景下的运行性能,综合考虑电压稳定性、供电可靠性及可再生能源消纳能力,最终通过Matlab编程实现完整求解流程,为高渗透率分布式电源接入背景下的配电网规划提供了有效的技术支撑。; 适合人群:具备电力系统分析基础和Matlab编程能力的研究生、高校科研人员及从事新能源并网、智能配电网规划与优化的工程技术人员。; 使用场景及目标:①研究含高比例光伏接入的配电网规划与运行协同优化问题;②掌握双层优化建模方法与粒子群算法在复杂电力系统问题中的应用技巧;③为实际工程中分布式光伏与储能系统的科学选址与容量配置提供理论依据与仿真验证平台。; 阅读建议:建议读者结合Matlab代码深入理解双层迭代求解机制,重点关注算法收敛性分析、参数敏感性测试,并可通过更换初始种群、调整权重因子或引入其他标准测试系统(如IEEE69节点)进行对比实验,进一步验证所提模型的普适性与鲁棒性。

28,403

社区成员

发帖
与我相关
我的任务
社区描述
ASP即Active Server Pages,是Microsoft公司开发的服务器端脚本环境。
社区管理员
  • ASP
  • 无·法
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