蚂蚁开源可信隐私计算框架“隐语”，联合CCF设立“隐私计算专项科研基金”

隐语SecretFlow

已于 2022-07-13 15:23:08 修改

阅读量765

点赞数

文章标签：运维机器学习算法

于 2022-07-13 14:25:27 首次发布

本文链接：https://blog.csdn.net/m0_69580723/article/details/125762824

版权

7月4日下午，蚂蚁集团宣布面向全球开发者正式开源可信隐私计算框架“隐语”。开源发布会由中国信通院隐私计算联盟支持，中国银行业协会首席信息官高峰、中国信通院云大所所长何宝宏、中国计算机学会秘书长唐卫清等嘉宾现场及在线参与。会上，蚂蚁集团和中国计算机学会（简称，CCF）联合设立“CCF—蚂蚁隐私计算专项科研基金”，将致力于隐私计算前沿技术研究。

在数据要素流通大背景下，行业面临网络空间安全与数据安全的新挑战。隐私计算是兼顾数据安全和数据流通的关键技术，涵盖了密码学、系统安全、机器学习、可信硬件等多种学科，包含多方安全计算（MPC）、联邦学习（FL）、可信执行环境（TEE）、可信密态计算（TECC）等多种技术路线，涉及众多专业技术栈，要实现完善并保障安全并非易事。在数据密态时代各个行业各种场景的实际应用中，往往是多条技术路线相结合，单一的隐私计算技术框架难以适用于复杂和交叉的场景。如果每遇到一个新场景，都需要从头开发，不但技术资源重复浪费，而且数据安全和隐私合规很难保证，成为了隐私计算大规模落地应用的阻碍之一。

“隐语”是蚂蚁集团历时6年自主研发，以安全、开放为核心设计理念，通过良好可扩展的架构设计，用一套通用框架统一支持了当前包括MPC、FL、TEE、HE、DP在内的多种主流隐私计算技术，并可对多种技术进行灵活组合，支持TECC等创新隐私计算技术，针对不同应用场景提供不同的解决方案。

“隐语”开源协议选择了Apache-2.0，代码托管在Github及Gitee。目前，“隐语”已向社区开放了多方安全计算和联邦学习的核心代码。对于算法/模型研发开发者，可以使用隐语提供的编程能力，方便快捷地将更多算法和模型迁移来，并得到隐私保护增强。对于底层安全开发者，可将底层密码/安全研究成果嵌入隐语，完善密态设备的能力、性能和安全，转化实际业务应用。