【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 14:33:32

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
462 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
内容概要:本文聚焦风电出力的不确定性问题,采用拉丁超立方抽样(Latin Hypercube Sampling, LHS)方法生成具有统计代表性的风电出力初始场景集,有效克服传统蒙特卡洛抽样存在的样本冗余与收敛速度慢的缺陷。为进一步降低场景数量以提升电力系统优化调度的计算效率,研究结合K-means聚类、快速前向选择等场景缩减技术,对生成的高维场景进行聚合与概率修正,保留最具代表性的典型场景及其对应概率分布。整个建模流程在Matlab平台上编程实现,形成一套完整的“抽样—生成—缩减—验证”的不确定性建模框架,为含高比例风电的电力系统提供高质量、低冗余的输入场景集,显著增强随机优化、鲁棒优化等模型的求解效率与工程实用性。; 适合人群:具备电力系统分析、概率统计基础及Matlab编程能力,从事新能源并网、电力系统优化调度、不确定性建模与风险评估等方向的科研人员、工程技术人员及研究生。; 使用场景及目标:①应用于风电主导的电力系统随机优化调度、机会约束规划、鲁棒经济调度等场景,提升模型对不确定性的刻画能力;②帮助研究者深入掌握拉丁超立方抽样与场景缩减的核心原理与实现方法,构建高精度的不确定性输入模型;③为复杂电力系统仿真提供经过科学约简的典型场景集,平衡计算精度与效率,支撑实际工程决策。; 阅读建议:建议读者结合提供的Matlab代码逐模块调试与运行,重点理解LHS在多维空间中的分层抽样机制、场景距离度量方式及聚类缩减过程中的概率守恒原则,关注缩减前后场景集的分布保真性与计算效率提升效果,以全面掌握风电不确定性建模的关键技术路径。
代码下载链接: https://pan.quark.cn/s/a4b39357ea24 全国范围内的飞思卡尔智能车竞赛是一项专注于在校大学生的科技创新项目,其目的在于通过设计并制造一辆能够执行特定任务的智能车辆,以增强学生的创新思维和工程实践技能。在此过程中,参赛团队需要开发相应的控制程序代码,用以确保智能车的平稳运作以及高级功能,例如路径选择、障碍物躲避等。本文将详细分析飞思卡尔智能车竞赛程序代码中常见的几个核心信息技术范畴:PID控制方法、智能控制方法、图像识别方法以及超声波测距技术。 PID控制方法作为智能车控制系统的核心组成部分,通过模仿人类的驾驶行为,并融合传感器提供的实时数据,对车辆的运动进行精确调控。在智能车竞赛中,PID控制通常被应用于处理车速、方向和加速度等多个控制方面。一个标准的PID控制系统主要由三个关键部分构成:比例部分(P)、积分部分(I)和微分部分(D)。比例部分负责减少误差,积分部分旨在消除稳态误差,而微分部分则预测误差的发展趋势,从而实现快速响应变化。通过调整PID参数,可以使智能车在赛道上保持稳定,并能迅速适应赛道条件的变化。 智能控制方法的实现是智能车在复杂环境中有效运行的关键。智能控制往往需要整合机器学习和人工智能技术,例如模糊逻辑、神经网络或遗传算法等。在智能车竞赛场景下,车辆需要依据传感器收集的环境数据,完成对路线的识别、障碍物的规避等任务。路径规划方法能够协助车辆挑选最优的行驶路线,而避障策略则保障车辆能够安全地绕开前方的障碍物。此外,智能车还应具备一定的学习功能,能够适应环境的变化,并作出相应的调整。 图像识别方法对于智能车对赛道的感知能力具有决定性作用。车辆通常配备摄像头或其他视觉传感器来采集图像信息。借助图像处理...

31,423

社区成员

发帖
与我相关
我的任务
社区描述
欢迎加入JOJO的个人社区:数据科学爱好者,在这里你可以分享日常学习、技术博客。JOJO也会分享官方活动,让我一起学习、一起进步!
数据分析自然语言处理深度学习 个人社区
社区管理员
  • JOJO数据科学
  • Redamancy_06
  • fox-bath
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