蚂蚁摩斯安全计算平台白皮书

蚂蚁摩斯安全计算平台是借助区块链、密码学、隐私保护、安全多方安全计算等前沿技术，建设的数据安全和保护隐私的可信数据交换基础设施，旨在帮助企业机构之间进行安全、高效的数据合作。在产品设计之初，蚂蚁摩斯安全计算平台就坚信数据可用不可见以及去中心化的数据合作方向。 面向未来的数据合作方向是数据可用不可见。由于多方安全计算、同态加密、零知识证明等技术的发展，使数据使用方在不拿到原始明细数据的情况下进行相关的计算并得到期望的结果成为可能。在这种情况下，获取原始数据一方面增加了企业使用数据的成本，另一方面对数据管理的责任也增加了数据持有成本。对于数据管理方，原始数据不出域，可用不可见大大降低了数据在合作过程中的泄露风险，加快了数据流通的效率并提升了数据的商业价值。 面向未来的数据合作方向是去中心化的。随着数据合作场景的日趋复杂化，在一个计算场景下，可能需要使用到不同行业、不同机构的数据，同一份数据也有众多的需求方，将数据和计算分布在不同的节点上的，很好的避免了数据的中心化聚集带来的信任问题，也提升了数据合作过程中的计算效率。

2021隐私计算行业研究报告：深潜数据蓝海.zip

2021隐私计算行业研究报告：深潜数据蓝海

gqWEGQWREGERGTH

gqWEGQWREGERGTH

【高速互连技术】基于线性均衡的PCIe链路扩展方案：重驱动器在高损耗通道中的信号完整性优化

内容概要：本文介绍了如何利用线性均衡技术扩展PCI Express（PCIe）链路的传输距离，重点探讨了重驱动器（Re-Driver）在补偿PCB和电缆信道损耗中的作用。文章回顾了Re-Driver的发展历程，分析其性能特点，解释其在不同信道环境下的应用条件，并强调线性操作对保持信号完整性及满足PCIe规范的重要性。通过眼图分析、频率响应和Tx预设波形等手段，展示了R

谐波去噪基于随机奇异值分解和软阈值的大型数据集中的强大高效谐波去噪研究（Matlab代码实现）

内容概要：本文研究了一种基于随机奇异值分解（Randomized SVD）和软阈值（Soft Thresholding）的高效谐波去噪方法，旨在解决大型数据集中谐波干扰的抑制问题。该方法通过引入随机化技术加速传统奇异值分解过程，在保障信号主要特征完整性的同时，显著提升了高维数据处理的计算效率与实时性，适用于电力系统、通信等领域的复杂信号处理场景。文中系统阐述了算法的数学理论基础、实现步骤及在Matlab环境下的具体代码实现，并通过仿真实验验证了其在不同噪声水平下对谐波成分的有效识别与去除能力，展现出优异的鲁棒性与工程实用价值。; 适合人群：具备一定信号处理理论基础和Matlab编程能力，从事电力系统分析、通信工程、自动化控制或相关领域研究的研发人员及硕士、博士研究生。; 使用场景及目标：①应用于大规模实测信号中谐波成分的快速提取与抑制；②用于提升电能质量监测、设备故障诊断、精密仪器测量等应用中的信号信噪比；③为高维时序数据的高效去噪提供可复现、易部署的算法模板与技术参考。; 阅读建议：建议读者结合提供的Matlab代码逐模块理解算法实现细节，重点掌握随机SVD与软阈值去噪的协同机制，并尝试在实际采集数据上进行参数调优与性能测试，以深入理解其适用边界与优化潜力。