摩斯荣获2024“金融密码杯”一等奖
持续技术创新以领先的隐私计算技术打造营销科技底座!
开篇
2024“金融密码杯”密码应用和技术创新大赛圆满落幕,摩斯荣获第二阶段赛事一等奖、创新赛三等奖。“金融密码杯”是国内金融行业规格最高的密码大赛,目标是汇聚高端人才、探索数字金融创新前沿、引领金融密码融合发展、强化数字经济安全体系,中国人民银行数字货币研究所副所长狄刚,中国科学院院士王小云,市委常委、副市长顾海东,副市长季晶出席了颁奖典礼。摩斯参赛团队受邀在大赛的“金融信息安全研讨会”上演讲并介绍了获奖方案。


基于摩斯隐私计算平台密码库的实现方案
摩斯本次的获奖题目为第二阶段赛事“国密算法的高速安全软件实现”,题目分为服务器端和移动端国密算法SM2、3、4的高效软件实现,参赛作品需同时满足功能正确性、安全性和内存限制要求,并力求达到最高的性能表现。
摩斯的获奖方案《MorseCrypto:国密算法安全高性能实现》是基于摩斯隐私计算平台的底层密码库方案,主要在X86和ARM平台上从算法设计和编码两个方面优化。算法设计方面,充分利用X86平台的高级向量扩展指令集和ARM平台的A64指令集特性,设计向量化并行的实现算法,使单任务和多任务的并行实现均达到最少计算数,同时特别优选指令实例化算法使算法的实际总指令数最少、理论时延最低。编码实现方面,采用汇编语言和内联汇编编码,精准控制寄存器以最少访存,同时充分考虑处理器计算单元的超标量、指令流水线等特性,精心排布数据无关指令将各计算单元流水线填满,达到最高指令吞吐量。
MorseCrypto的SM2、SM3、SM4算法性能,与目前最快的开源库相比均有大幅提升。其中X86平台上SM2验签达到3倍,ARM平台上SM2验签达到4.3倍。
夯实营销科技底座,保护数据隐私安全
营销场景数据量大、时效性强,对产品性能要求高,摩斯基于多年金融营销场景打磨,利用协议算法库MorseCrypto进一步构建出高性能的半同态算法(ElGamal、Paillier)、GC、OT等MPC基础协议的高性能实现,极大地提升了摩斯隐私计算产品的性能。摩斯是行业内为数不多的同时通过信通院多方安全(MPC)和联邦学习(FL)隐私计算大规模性能认证的厂商。
目前摩斯隐私计算产品已在上百家银行、证券等金融机构部署使用,助力数据安全流通、业务增长。
关注我,获取更多资讯~

相关推荐
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
SWIFT报文实战指南:从MT700到MT799的信用证操作全解析
本文深入解析了国际贸易中信用证操作的核心SWIFT报文流程,从开证的MT700到各类通知、修改及结算报文(如MT707、MT730、MT754、MT732/734等)。通过实战案例与关键字段拆解,指导外贸与银行从业者精准处理报文,规避风险,并探讨了利用自动化工具提升处理效率的方法,助力保障跨境交易顺畅。
数据驱动的电力系统潮流线性化:回归方法【IEEE5节点】(Matlab代码实现)
内容概要:本文提出了一种基于回归方法的数据驱动模型,用于实现电力系统潮流方程的线性化,以降低传统非线性潮流计算的复杂度并提升计算效率。研究聚焦于IEEE5节点标准测试系统,详细阐述了回归模型的构建流程,包括输入特征选择、数据集生成、模型训练与验证等关键环节,并通过Matlab代码实现了完整的算法流程。文中对比了不同回归算法的线性化精度,验证了该方法在电力系统分析、优化调度及实时控制等场景下的有效性与实用性,为后续研究提供了可复现的技术基础与代码支持。; 适合人群:具备电力系统分析基础知识和Matlab编程能力的高校研究生、科研人员以及从事电力系统自动化、智能电网相关工作的工程师。; 使用场景及目标:① 掌握数据驱动方法在电力系统潮流计算中的应用,替代传统迭代求解以提升效率;② 学习如何利用回归模型对复杂非线性系统进行近似建模与线性化处理;③ 借助提供的Matlab代码进行算法复现、性能测试及进一步拓展至其他节点系统或优化问题。; 阅读建议:建议读者结合电力系统潮流计算的基本理论,深入理解数据生成与特征工程的设计逻辑,在运行代码时关注输入输出变量的物理意义,并尝试调整模型参数或更换回归算法以探究其对线性化精度的影响,从而全面提升对数据驱动建模方法的掌握与应用能力。


