【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 2024-08-14 13:59:27

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
532 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
已经博主授权,源码转载自 https://pan.quark.cn/s/065b9eef5714 ### STM32H7x3微控制器参考手册核心内容概述 #### 1. 开篇介绍 - **主要目标**:该手册致力于向开发者提供详尽的STM32H7x3微控制器内存及外设信息,从而有效辅助应用开发工作。 - **应用领域**:STM32H7x3系列微控制器涵盖了多样化的内存容量、封装类型以及外设配置。 #### 2. 存储器与总线体系结构 - **系统构造** - **总线矩阵**:负责协调不同总线间的数据传输。 - **总线-总线桥接器**:实现高速总线与低速总线之间的数据交互。 - **域间总线**:构建不同功能域之间的连接,确保高效的数据传输。 - **CPU总线**:建立处理器核心与内存/外设之间的数据通路。 - **总线主设备外设**:明确了哪些组件能够担任总线的主控或从属角色。 - **功能模块的时钟配置**:每个模块均具备独立的时钟设置,旨在优化性能表现与能耗控制。 - **存储器布局设计** - **导言**:阐述了存储器组织的基本概念。 - **存储器映射和寄存器边界地址**:深入解析了内存区域的划分及其与寄存器的关联性。 - **内部静态随机存取存储器 (SRAM)** - 说明了内部SRAM的特性及其配置方法。 - **Flash存储器简介** - 简要概述了STM32H7x3的Flash存储器特性。 - **启动模式配置** - 说明了如何设置微控制器以适应多种启动模式。 #### 3. 嵌入式Flash (FLASH) - **Flash主要性能指标** - 容量巨大。 - 读取速度快。 - 耐用且可靠。 - **Flash功能详解** - **框图...
标题SpringBoot智能租房APP安全开发与实现研究AI更换标题第1章引言阐述智能租房APP的发展背景、安全开发的重要性及论文研究方法与创新点。1.1研究背景与意义分析智能租房市场的现状及安全开发对用户隐私保护的重要性。1.2国内外研究现状概述国内外在智能租房APP安全开发方面的研究进展。1.3研究方法以及创新点介绍本文采用的研究方法及在安全开发方面的创新点。第2章相关理论总结智能租房APP安全开发涉及的相关理论和技术。2.1网络安全基础理论介绍网络安全的基本概念、威胁模型及防御策略。2.2SpringBoot框架安全机制阐述SpringBoot框架在安全开发中的应用及优势。2.3数据加密与解密技术介绍数据加密与解密的基本原理及在租房APP中的应用。2.4用户认证与授权技术讨论用户认证与授权的重要性及实现方法。第3章智能租房APP安全开发方案设计详细描述智能租房APP的安全开发方案,包括架构设计、功能模块划分等。3.1系统架构设计给出系统的整体架构,包括前端、后端及数据库的设计。3.2安全功能模块设计介绍安全功能模块的设计,如用户认证、数据加密、访问控制等。3.3数据库安全设计阐述数据库的安全设计,包括数据备份、恢复及访问控制策略。第4章数据收集与安全分析方法说明数据收集的方式、安全分析的方法及工具。4.1数据收集方式介绍通过日志收集、用户反馈等方式获取安全相关数据。4.2安全分析方法阐述采用的安全分析方法,如漏洞扫描、渗透测试等。4.3安全分析工具介绍使用的安全分析工具及其功能特点。第5章安全开发与实现详细描述智能租房APP的安全开发过程及实现细节。5.1开发环境搭建介绍开发环境的搭建过程,包括开发工具、服务器配置等。5.2安全编码实践阐述在开发过程中遵循的安全编码规范及实践。5.3安全测试与验证介绍安全测试的方法、测试用例设计及测试结果验证。第6章研究结果展示智能租

34,604

社区成员

发帖
与我相关
我的任务
社区描述
永远相信美好的事情,即将发生
spring cloudspring bootspring 个人社区 山东省·济南市
社区管理员
  • Somnus_小凯
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