【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 2024-08-13 11:03:55

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
518 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:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细节,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。

13,610

社区成员

发帖
与我相关
我的任务
社区描述
编程初学者社区,为大家提供一个文明交流,互相学习讨论技术,打造高质量编程初学者社区,欢迎各位的加入,让我们从初学者,冲进大厂!Yo can do all things! 社区交流群:716213426
数据结构学习java 个人社区
社区管理员
  • 程序猿教你打篮球
  • 保护小周ღ
  • 拼命阿紫
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

本社区面向各地编程爱好者,

我们目的为大家提供一个交流技术、分享知识,共同学习的平台。

人杰地灵当属此,万里求知满载归。

编程初学者社区交流群:716213426

试试用AI创作助手写篇文章吧