隐语可信数据空间MOOC第31讲笔记：隐语开源版SecretPad导论

[叶开233]

笔记内容来自隐语Mooc，欢迎一起来学习。Mooc课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/vhii941jitkl122?tab=outline

🧩 一、SecretPad 介绍

1. 产品定位

• 面向使用者：易上手，便于体验、演示，支持研发生产全链路。
• 面向开发集成者：提供最佳实践样板间，集成成本低，支持行业商业化定制。

2. 架构分层与合作模式

数据接入业务运营层（广告营销、场景金融等）
  ↓
场景产品/方案层（营销、风险、定价等解决方案）
  ↓
隐私计算平台层（基于隐私计算引擎搭建）
  ↓
隐私计算服务（SecretFlow、Kuscia 等能力）

• 伙伴合作模式：各层级均可与合作伙伴共建，形成生态。

---

🚀 二、快速上手

1. 软硬件要求

• 操作系统：MacOS, CentOS7/8, Ubuntu 16.04+, Windows（通过 WSL2+Ubuntu）
• 硬件配置：8核/16G内存/200G硬盘
• Docker：推荐 20.10.24+

2. 核心功能

• 一键添加合作节点：复制认证码，支持多种通讯协议，双向授权。
• 创建任务：支持普通任务和定时周期任务，丰富的组件和计算模板。
• 可视化建模：降低使用门槛，支持多训练流管理。
• 模型发布：打包预处理和模型，灵活选择预测节点，隔离研发与生产环境。

---

3. 操作演示

---

📊 三、案例分析

1. 适用行业

• 银行、保险、政务、医疗、交通、媒体等。
• 典型场景：智能风控、核保理赔、智慧安防、联合医疗、自动驾驶、智能营销。

2. 典型任务示例

（1）营销圈人

• 算子选择：隐私求交（PSI），可选建模扩大人群。
• 求交配置：支持不同协议、重复键、结果不可选择。

（2）金融风控

• 预处理：WOE值替换、异常值填充、特征筛选。
• 模型选择：Logistic回归、XGBoost等二分类模型。
• 模型评估：PSI、KS、AUC、稳定性、预测偏差分析。

---

🛠️ 四、深入剖析

1. SecretPad 架构

层级	组件	说明
平台层-前端	secretpad-frontend	用户界面
平台层-后端	secretpad	业务逻辑、与 Kuscia 交互
调度层	kuscia	跨域任务调度与管理

2. 状态同步与结果获取流程

用户 → SecretPad后端 → Kuscia API
  1. startGraph
  2. jobStub.createJob
  3. jobStub.watchJob
  4. syncJob
  5. syncResult

---

🔮 五、展望

• SecretPad 作为隐语生态的交互入口，将持续降低隐私计算使用门槛。
• 支持更多行业定制化解决方案，推动数据要素流通与价值释放。

---

📌 六、核心价值总结

方面	能力
易用性	可视化建模、一键节点添加、模板化任务
集成性	标准化算子接口，低代码集成
场景覆盖	营销、风控、医疗、政务等多行业
架构清晰	前后端分离，与 Kuscia 深度集成
生态开放	支持伙伴共建，分层合作

---

🔗 参考资料

• SecretPad 前端：https://github.com/secretflow/secretpad-frontend
• SecretPad 后端：https://github.com/secretflow/secretpad
• Kuscia 调度层：https://github.com/secretflow/kuscia