ASP
【首批】摩斯通过金融业隐私计算平台互联互通测评
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区近日，摩斯隐私计算产品成功通过由北京金融科技产业联盟组织的“隐私计算平台互联互通测评认证”，成为首批通过该标准检测的厂商。
此次互联互通平台底座检测体系涵盖管理层、控制层、传输层、安全性和金融数据保护等5个维度共38个检测项，多方位、多角度全面测评平台的功能稳定性和数据保护能力。经测评，蚂蚁数科摩斯安全计算平台在功能性、稳定性和安全性等方面均通过检测。
行业痛点
隐私计算作为数据安全流通的关键技术之一，在金融、政务、医疗等场景的商业应用越来越广泛。但由于大部分商业化隐私计算平台处于闭源状态，系统架构和功能实现差异较大，导致出现隐私计算跨平台合作壁垒，产生“隐私计算孤岛”，不利于数据安全流通实现业务价值，限制了数据应用及业务价值的拓展和放大。隐私计算平台的互联互通有利于打破隐私计算孤岛，助力数据要素更高效合规地流动，加快推动数据流通产业的高质量发展。
解决方案
针对当前行业痛点，摩斯积极参与金融业隐私计算互联互通标准制定讨论及课题共创实践。致力于为合作伙伴提供易上手易拓展易维护的隐私计算产品能力，共建一个和谐共赢的隐私计算互联互通生态系统。
摩斯基于金融业隐私计算互联互通标准，实现摩斯隐私计算平台产品互联互通能力，可支持和符合该标准的第三方隐私计算产品完成互联互通任务 。互联互通方案的设计特点为："东西向接口参考金科联盟互联互通标准实现；南北向接口双方各自实现且不影响互联互通”。除此之外，该产品的产品架构灵活高效，既支持机构之间使用相同隐私计算平台的“经典隐私计算”合作模式，又支持跨机构使用不同隐私计算平台的“标准互联互通”合作模式。
产品架构图
摩斯积极参与金融业隐私计算互联互通标准制定讨论及课题共创实践。
也将致力于未来为合作伙伴提供易上手易拓展易维护的隐私计算产品能力，共建一个和谐共赢的隐私计算互联互通生态系统！
关注我，获取更多资讯~
相关推荐
Python 批量处理大量压缩包｜递归嵌套解压 zip rar 7z tar，文件名乱码修复，扫描残留压缩包工具
在收集大量计算机源码时，经常遇到海量多层嵌套压缩包：zip、rar、7z、tar、tar‑gz 混杂，老压缩包中文文件名 GBK 编码解压出现乱码，解压完成后不确定目录内是否还有遗留未解压的压缩包。 本工具集由 3 份 Python 脚本组成，专门针对大批量源码文件夹做自动化预处理，不用手动一个个解压，自动递归遍历所有子目录，处理嵌套压缩包，修复中文文件名乱码，扫描校验残留压缩包，输出完整处理日志。 前置条件 - Python3.8 及以上环境 - 如果要处理 rar/7z 格式：电脑安装 **7‑Zip**，记录 7z.exe 的完整路径，填到 `jieyarar.py` 配置区。 1. 修改每个脚本顶部配置区：`SCAN_ROOT / TARGET_FOLDER` 修改为你存放文件的根目录绝对路径（Windows 路径字符串前面加 r，例如 `r"F:\files\download"`） 2. 第一步：运行 `main.py`，优先处理全部 zip 压缩包，执行完成查看生成的 `unzip_log.txt` 日志； 3. 第二步：运行 `jieyarar.py`，处理 rar、7z、tar 等其它格式压缩包，查看 `unpack_all_archive_log.txt`； 4. 第三步：运行 `checkfiel.py`，全盘扫描校验，输出 `scan_archive_and_badname.txt`； - 查看报告：确认是否还有残留压缩包、是否存在乱码文件名； 5. 根据日志，手动单独处理加密、损坏的压缩包。
daily-stock-analysis(Python)
「daily_stock_analysis(Python)」是后台管理系统（Python）。项目简介：LLM 驱动的多市场股票智能分析系统：多源行情、实时新闻、决策看板与自动推送，支持零成本定时运行。 LLM-powered multi-market stock analysis system with multi-source market data, real-time news, decision dashboard, automated notifications, and cost-free scheduled runs.源码完整，下载解压即可查看使用，适合学习参考、课程设计与二次开发。
工具调用智能体可靠性基准数据集验证门重试
面向工具调用型AI智能体可靠性研究的合成基准数据集，研究预执行验证门与有限重试机制如何改变智能体任务完成率、无效动作率与调用成本。包含120张合成工单、1440个模拟回合（4种策略×3种工具故障率）与本地大语言模型试点实验（qwen2.5:3b）。实验结果显示：10%工具故障率下基线策略完成率仅30.0%，验证门加重试组合达97.5%；大模型试点中无防护时8张工单完成5张，加防护后8张全部完成。附结果明细、策略汇总、实验元数据与README共8个文件。适用于智能体工程、工具调用可靠性评估、防护机制设计与大模型应用研究。数据许可：CC0公共领域。
国央企在推动内部技术转化时，如何实现技术需求的精准挖掘与匹配？.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。
科技中介服务机构在对接企业与高校科研成果时，如何快速挖掘企业的隐性技术需求？.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。
