【演讲合集】摩斯隐私计算在营销场景的应用实践
近日,摩斯团队多位技术老师分别在TOP100案例峰会、2024CCF中国数字金融大会、2024开放原子开发者大会上发表演讲。围绕“隐私计算”、“营销业务”等话题,从摩斯密码库、隐私计算技术到摩斯隐私计算在营销场景应用、助力营销业务增长与数据合规等多方面进行详细阐述。
大会演讲
摩斯团队基础算法同学胡芯忆的演讲《MorseCrypto:国家商用密码算法的高速软件实现》,为大家介绍了MorseCrypto以及SM2、SM4优化实现方法及性能优势。摩斯算法专家李漓春在《摩斯隐私计算助力营销数据合规与业务创新》演讲中,介绍了针对金融业营销方案以及支撑方案的三大核心能力,并阐述了摩斯在隐私计算领域的技术创新。摩斯高级技术专家王华忠在TOP100峰会,“数据治理/数据要素”分会场带来分享——《隐私计算在营销科技的应用》,着重对隐私计算在企业数智化增长、联合建模等多个营销场景的应用进行详细阐述。

摩斯基础算法胡芯亿

摩斯算法专家李漓春(左)

摩斯高级技术专家王华忠(右)
营销场景对隐私计算性能要求高
在营销场景中,存在大量的数据流通,隐私计算技术作为一门应用于跨机构数据合作、解决互不信任参与方之间保护隐私协同计算问题的交叉融合技术,可用来进行关键数据的保护实现数据的合规安全流通。
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等金融机构部署使用,建立了以隐私计算节点连接的数据和流量资源生态网络。通过隐私计算安全连接的全渠道分布式流量场景平台、数据源等,助力数据安全流通与价值释放。
摩斯营销科技助力行业全域智能增长
摩斯隐私计算技术在营销业务中应用广泛,已在企业数智化增长、跨域营销数据安全、联合营销建模、营销实时决策等营销场景落地,根据客户不同的需求给出对应的方案。
针对银行卡营销,摩斯在发卡、绑卡、促活等各阶段提供全生命周期的营销服务。结合交易场景制定精细化权益发放策略,帮助银行用户提升开卡效率和用户留存率。
针对其他机构营销,摩斯基于隐私计算技术:1、利用多方数据帮助增强金融机构与场景数据的联动。2、通过用户支付行为分析+覆盖多支付机构和多消费场景,能更精确的触达对应的场景和权益。3、充分了解用户支付偏好+覆盖含衣食住行在内的各类消费场景和各支付机构,可更高效的分发支付机构。构建了全域场景,结合包括摩斯自有数据、广告主数据、媒体数据、数据源数据在内多方数据形成的全域数据,搭建了全域场景+全域数据的数智营销模型体系。服务于金融、零售、互联网行业,为他们提供智能营销平台、智能营销助理、营销生态网络等精准营销能力。
Morse营销科技,行业智能全域增长专家!
关注我,获取更多资讯~
相关推荐
国央企创新负责人如何借助智能体技术推动内部技术成果转化?.docx
国央企创新负责人如何借助智能体技术推动内部技术成果转化?
演讲计时软件,会议计时软件
演讲计时软件,会议计时软件。目前只测试了win10。win7测试不通过。
【电力系统优化调度】计及源荷两侧不确定性的含风电电力系统低碳调度(Matlab代码实现)
内容概要:本文提出了一种针对含风电电力系统的低碳优化调度模型,充分考虑了电源侧(如风电出力波动)和负荷侧的双重不确定性,采用模型预测控制(MPC)方法实现滚动优化与实时反馈校正,有效提升了调度方案的鲁棒性与低碳性能。该模型结合现代优化算法与控制策略,构建了计及碳排放成本、机组组合、可再生能源消纳及系统安全约束的综合调度框架,能够在复杂不确定环境下实现电力系统经济、环保与可靠的协同运行; 适合人群:具备一定电力系统运行、优化理论基础及Matlab编程能力的研究生、科研人员,以及从事新能源并网、低碳调度与智能电网相关领域的工程技术人员; 使用场景及目标:①研究高比例可再生能源接入背景下电力系统低碳调度的有效策略;②利用MPC框架应对源荷双侧不确定性,提升调度决策的动态适应能力;③支撑学术论文复现、科研课题开发或实际工程项目的仿真验证与优化分析; 阅读建议:建议读者结合Matlab代码深入理解MPC的实现机制,重点关注不确定性建模、滚动时域优化与约束处理方法,通过调整参数和测试不同场景进行仿真验证,以掌握低碳调度模型的设计逻辑与工程应用要点。
通信行业基于MongoDB副本集与分片部署的5G信令数据基座构建:面向高吞吐写入与实时分析的安装优化方案
内容概要:本文系统阐述了MongoDB在通信行业的安装部署实践及其在5G、IoT和AI背景下的深度应用。文章从通信行业数据范式迁移出发,指出传统关系型数据库在应对信令数据、用户画像和设备遥测等半结构化、高并发写入场景下的局限性,强调MongoDB基于BSON文档模型的优势。重点介绍了副本集、分片集群及时序集合三种部署模式的选择依据与配置策略,涵盖操作系统选型、mongod.conf调优参数(如缓存大小、日志设置、绑定IP安全限制)、分片键设计原则以及集群部署顺序等关键技术细节。进一步展示了MongoDB在信令管道、用户画像、IoT遥测和网络分析等典型通信业务中的落地场景,并展望了MongoDB 8.0在时序性能、向量搜索与可查询加密等方面的发展趋势,推动部署架构向边缘-中心协同、安全合规与AI就绪演进。; 适合人群:通信行业后端开发、数据库运维工程师、系统架构师,以及关注NoSQL在高并发、大规模数据场景下应用的技术人员,具备一定数据库和分布式系统基础者更佳。; 使用场景及目标:①掌握面向通信负载的MongoDB副本集与分片集群部署方法;②理解时序集合在基站KPI、设备遥测等场景的优化价值;③构建支持高写入、低延迟、弹性扩展的5G信令与IoT数据基座;④规划符合安全合规与AI融合趋势的下一代数据架构。; 阅读建议:此资源聚焦生产级部署实践,建议结合实际通信业务场景进行配置验证与性能测试,重点关注分片策略、安全加固与版本特性适配,在部署初期即考虑可扩展性与安全性设计。
产业园区运营负责人如何提升园区内技术成果的转化效率和落地效果?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。


