【演讲合集】摩斯隐私计算在营销场景的应用实践

蚂蚁摩斯隐私计算论坛 2025-03-12 14:38:22

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。

 

图片

摩斯基础算法胡芯亿

 

图片

摩斯算法专家李漓春(左)

 

图片

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~

...全文
569 回复 打赏 收藏 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
【文章复现】非线性值迭代自适应动态规划(ADP):离散时间非线性系统的策略迭代自适应动态规划算法研究(Matlab代码实现)内容概要:本文详细介绍了非线性值迭代自适应动态规划(ADP)在离散时间非线性系统中的应用,重点研究了策略迭代自适应动态规划算法的设计与实现。文章通过构建数学模型,结合Matlab代码实现了对非线性系统的控制策略优化,分析了算法在不同工况下的性能表现,并探讨了其在工程实践中的可行性和有效性。研究涵盖了系统建模、控制器设计、仿真验证等关键环节,旨在为复杂非线性系统的自动化控制提供新的解决方案。; 适合人群:具备一定编程基础和控制系统理论知识的科研人员或工程师,特别是从事自动化、人工智能、智能控制等相关领域的研究人员。; 使用场景及目标:①为非线性系统的控制问题提供有效的数值求解方法;②通过Matlab编程实践加深对自适应动态规划算法的理解;③推动ADP算法在工业自动化、机器人控制、智能制造等领域的应用研究; 阅读建议:建议读者结合Matlab软件进行代码复现,深入理解算法细节,并尝试将其应用于其他类型的非线性系统中,以检验算法的普适性和鲁棒性。同时,鼓励查阅相关文献,进一步拓展对该领域前沿技术的认识。
内容概要:本文研究了基于粒子群算法(PSO)优化K-means聚类的居民用电行为分析方法,并提供了完整的Matlab代码实现。针对传统K-means算法对初始聚类中心敏感、易陷入局部最优的问题,引入粒子群算法进行优化,利用PSO的全局搜索能力来寻找更优的初始聚类中心,从而提升聚类的准确性和稳定性。研究以居民用电数据为对象,通过PSO-Kmeans方法对用户的用电模式进行分类,旨在更精确地识别不同类型的用电行为,为电力公司的精准营销、需求侧管理和个性化服务提供数据支持。文中详细阐述了算法的实现流程,并通过仿真实验验证了该方法相较于传统K-means的有效性。; 适合人群:具备一定数据分析和机器学习基础,对智能优化算法和电力系统数据分析感兴趣的科研人员、研究生及电力行业从业者。; 使用场景及目标:①应用于居民用电行为的精准分类与模式识别;②解决传统聚类算法初始值敏感和局部收敛问题,提升电力大数据分析的准确性;③为电力需求侧管理、负荷预测和制定差异化电价策略提供技术支持。; 阅读建议:此资源结合了理论算法与Matlab代码实现,建议读者在理解PSO和K-means算法基本原理的基础上,动手实践所提供的代码,通过调整参数和分析运行结果来深入掌握该混合优化算法在实际数据处理中的应用效果。
内容概要:本文提出了一种用于多源动态最优潮流问题的分布鲁棒优化方法,并以IEEE118节点电力系统作为典型算例进行验证,配套提供了完整的Matlab代码实现。该方法旨在应对高比例可再生能源接入背景下源端出力的不确定性,在确保电网安全稳定运行的前提下,优化电力系统的动态调度方案。研究通过构建分布鲁棒优化模型,能够在未知不确定性变量精确概率分布的情况下,寻求对最坏可能场景具有强鲁棒性的优化解,从而有效提升了电力系统在复杂多变环境下的调度可靠性与经济性。; 适合人群:具备电力系统分析、现代优化理论及Matlab编程基础的研究生、科研人员及电力行业工程师。; 使用场景及目标:①解决高渗透率可再生能源并网带来的多源动态最优潮流计算难题;②为电力系统调度员提供一种考虑不确定性的鲁棒调度决策支持工具;③作为电力系统优化、鲁棒优化等领域的教学与科研的代码参考实例。; 阅读建议:此资源以Matlab代码为核心,紧密结合理论模型与数值实现,建议读者在学习时同步研读相关的高水平学术论文,以深入理解分布鲁棒优化模型的构建原理,并亲自动手运行和调试代码,通过修改系统参数和测试不同场景来加深对方法的理解与掌握。

38,024

社区成员

发帖
与我相关
我的任务
社区描述
欢迎朋友们加入橙子社区,我们将成为一个热爱技术的抱团学习社区,同时将为技术爱好者和学习者提供一个良好的环境!
java微信小程序前端 个人社区
社区管理员
  • 橙 子_
  • ️小马️
  • CGod
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