【叮咚】摩斯年度报告,请查收~

蚂蚁摩斯隐私计算论坛 2025-01-22 17:28:26

正值一年新春来临之际!摩斯提前给大家拜年啦~

不知不觉中,这已经是摩斯技术社区陪伴大家的第二年。今年,摩斯依旧遵循之前的节奏,奔走参加大会、积极申报奖项、持续挖掘技术。下面就让小编带大家回顾下摩斯这一年的足迹与收获。

 

大会详情

2024年摩斯从杭州到上海到北京,共参加了4场行业大会、2场主办活动、1场内部技术展、1场内部产品力集市,聚焦隐私计算与实际场景的结合、在行业侧的落地。吸引了超2W+人次参观,多家主流媒体报道。

 

图片

 

行业成果

今年,蚂蚁凭借摩斯再次被IDC评为中国隐私计算市场份额第一。获得金创奖、金鼎奖、艾瑞金瑞营销奖3个行业奖项。入选了IDC《数据要素全景研究报告》、波士顿咨询《数据价值网络》白皮书、《2024年中国金融科技(fintech)行业发展洞察报告》3个行业报告,并参与编制《金融业“隐私计算平台互联互通”团体标准》。目前,摩斯合作报告累计10+、贡献标准10+。

 

图片

 

技术沉淀

24年摩斯在技术上又有了新突破。全新推出大模型隐私保护方案、大模型推理服务,保护大模型推理过程中的数据安全和模型信息安全,一篇关于大模型方向论文被国际顶级会议AAAI录用。在另一国际会议NeurIPS举办的大语言模型隐私挑战赛(LLM-PC)上,分别获得攻击赛道冠军跟防御赛道特别奖。除此之外,还获得金融密码杯“第二阶段赛事一等奖”、“创新赛团体三等奖”,世界顶级赛事iDash联邦学习赛道第二名。至此,摩斯已获得iDash赛事8个奖项,其中包括5个冠军。

 

图片

 

社区运营

今年以来,摩斯矩阵搭建完成,社区越发成熟,共达成57w+曝光。粉丝涵盖20~50+多个年龄层,对python、人工智能、计算机技术等对多个领域感兴趣,遍布北京、上海、杭州等多地。

图片

 

24年摩斯合作数十家客户,助力企业间数据安全流通与价值释放,为客户提供更精确的营销方案,持续优化经营成本,进一步升级客户体验。截至目前,摩斯隐私计算平台已累计在上百家银行、证券等金融机构部署使用,助力数据安全流通,业务增长。

未来,摩斯将积极探索前沿技术落地和应用场景,不断提升客群分析与精准营销服务能力。根据客户实际需求场景为客户提供对应的精准营销方案。为金融行业提供数据安全增强、数据智能增强的全域智能解决方案。

 

感谢这一路走来,粉丝们的陪伴和包容。

新的一年即将开启

摩斯也会继续通过各个社区和大家交流!

 

摩斯全体同学在此祝大家

新年快乐!

 

END

 

关注我,获取更多资讯~

...全文
649 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
源码直接下载地址: https://pan.quark.cn/s/32a64cc0d812 LKH 算法在中文中的表述为 LKH 算法,它是一种用于处理 TSP(旅行商问题)与 VRP(车辆配送问题)等组合优化挑战的启发式算法,并且该算法是 Lin-Kernighan 启发式方法的进一步发展。该算法的开发与执行过程具有相当的挑战性,然而,它被认为是获取对称旅行商问题最优或接近最优答案的最有效途径之一。LKH 算法的升级版本通过运用灵敏度分析来引导并约束搜索过程,从而使得该算法能够在可接受的时间内为大规模问题找出最优解。通过计算实验的验证,证明该方法具备高效性,能够在不足一秒的时间范围内寻得典型100座城市问题的最优方案,而对于典型的1000座城市问题,也能在不到一分钟的时间框内找到最优解。旅行商问题(TSP)是组合优化领域中研究最为深入的课题之一,该问题可以通过成本矩阵 C 的特性来进行分类。此问题可划分为对称性情形与非对称性情形,同时依据三角不等式的成立与否,可进一步区分为度量性情形与非度量性情形。TSP 的显著地位源于其广泛的实际应用,其中许多应用看似与旅行路径无直接关联。众多现实场景能够以 TSP 的形式来模拟,例如计算机内部布线、车辆路径规划、晶体结构分析、机器人导航控制、印刷电路板打孔定位以及时间表的制定等。TSP 作为一种典型的组合优化课题,其研究对于解决该学科范畴内的其他课题往往具有指导意义。事实上,组合优化领域的诸多突破均可追溯至对 TSP 问题的深入探索。计算方法中广为人知的 branch and bound 技术最初便是在 TSP 的研究背景下被引入的。攻克 TSP 所面临的智力难题亦起到了推动作用,该问题的表述看似简单,却极难求解。当考虑到可能...
内容概要:本文研究了基于深度Q网络(DQN)与非正交多址接入(NOMA)技术相结合的无人机上行链路干扰管理方法,并提供了完整的Python代码实现。通过构建DQN强化学习模型,动态优化无人机在复杂无线环境中的资源分配策略,有效缓解多用户接入带来的同频干扰问题,提升上行链路的通信效率与系统容量。研究充分融合了DQN在决策优化方面的自主学习能力与NOMA在频谱效率提升上的技术优势,重点探讨了在高动态、强干扰的无人机通信场景下,如何实现高效的干扰协调与功率控制。仿真实验验证了该方法在不同用户密度和信道条件下的鲁棒性与优越性,显著降低了误码率并提高了系统吞吐量。; 适合人群:具备一定Python编程能力和机器学习基础,熟悉强化学习或无线通信领域的研究生、科研人员及相关领域工程师。; 使用场景及目标:①研究无人机通信系统中的动态干扰管理和资源调度问题;②学习DQN在通信网络优化中的建模、训练与部署流程;③复现并改进基于NOMA的多用户接入干扰抑制方案,推动智能通信算法的实际应用; 阅读建议:此资源结合理论分析与代码实践,建议读者在掌握强化学习基本原理和无线通信基础知识的前提下,结合所提供的Python代码进行仿真实验,深入理解DQN与NOMA融合机制,并尝试调整网络结构、奖励函数及通信参数以进一步优化系统性能。

21,500

社区成员

发帖
与我相关
我的任务
社区描述
汇编语言(Assembly Language)是任何一种用于电子计算机、微处理器、微控制器或其他可编程器件的低级语言,亦称为符号语言。
社区管理员
  • 汇编语言
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