隐私计算的架构及其产品

1.模块化的api
2.secretnote 
3.PSI/PIR（pricate Set Intesection）、PIR（private INformation Retrieval）
  一种特殊的安全多方计算（MPC协议）、用户查询服务端数据库中的数据
定位：高性能、轻量化、易用性API
 4.PSI支持多方和双方协议（-ecdh、-ec协议组、-ecdh-3-party）
5算法层的DATA analysis -SCQL 一种多方安全数据分析系统，可以让互不信任的参与方保护自己的数据安全
   定位：屏蔽底层安全计算协议 的复杂性，以简单熟悉的SQL语言界面，提供多方数据密态分析能力
6.联邦学习：在原始数据不出域的前提下，通过交换中间数据完成机器学习建模，具备安全攻防保障的明密文混合机器学习框架和算法。
7.Rayfed:混合编译调度。
面向跨机构场景，提供单机机构内计算任务独立调度和跨机构计算任务的协作能力。
8.SPU（secure process Unit）核心模块
桥接上层算法和底层安全协议，保持原生AI框架体验。
9.HEU：低门槛，高性能的同态加密库，支持多累型可扩展算法协议和硬件加速生态。
10TEEU（Trusted Enextution Environment Unit）支持多种可信执行环境的、具备数据使用跨域管控能力密态计算枢纽
可以执行数据分析、机器学习、MPC/FL加速等功能。

KUSCIA：基于k8s的隐私计算任务编排框架：

互联互通：与其他平台的产品进行联动：

数据的跨域管控：

隐语产品的架构