m0_69580723的博客

隐语实现的非平衡PSI只在大数据集上进行一次加密操作，在大数据集与小数据集的体量相差非常大的时候，总体计算量和运行时间大约是ecdh-psi的1/2。**• Unbalanced PSI的online阶段，**可以划分为两部分子阶段，对小数据集数据执行ecdh-oprf得到小数据集的加密结果；**• Unbalanced PSI的offline阶段，**大数据方对大数据集（20亿）进行加密并发送（截取12B）到小数据方，加密（ecc点乘）可以进行并发计算，CPU的核数增大可以提高性能。

2023 年 3 月 29 日，隐语开源社区将携手中国信通院云计算与大数据研究所、深圳国家金融科技测评中心、机器之心、隐私计算联盟开源工作组和开源中国共同举办「2023 隐语开源社区开放日」，邀请隐私计算各界代表齐聚北京·798 机遇空间，与隐私计算技术开发者、产业用户，共话技术现状、共探未来趋势、共促生态连通。

前言：基于差分隐私随机梯度下降法 (DP-SGD) 是深度学习中最流行的 DP 训练方法，与传统的随机梯度下降算法（SGD）的主要不同点是：DP-SGD算法在每一轮迭代过程中都会进行梯度裁剪和添加高斯噪声。本篇内容将对深度学习下的DP-SGD进行分析总结，隐语在此方向也有相关探索，敬请期待后续开源进展。

在整个智能理赔系统中，隐语框架聚焦于合规引入ISV的医疗数据，在数据用于分析、机器学习的过程中则更涉及就医凭证多模态分类识别、医疗文本NLP深度学习引擎等技术，是隐私计算与其他技术综合应用的典型探索，对图像、文本等更多类型的数据价值协同挖掘利用具有范式效应。在数据准备环节中，用户可通过隐语的CCL前置安全配置功能，在MPC相关技术能力支撑下，对数据资产进行分级分类，通过前置配置来保证安全级别高的数据的安全性，保证多方隐私数据在计算过程中不泄漏。，为医疗数据的合规使用提供了一种典型案例。

隐私计算系列书籍推荐

常用的HE、MPC等密态技术计算的函数逻辑与明文是一致的，因此其精度影响主要来自于定点数近似，即它们需要将高精度的浮点数映射到固定位数的定点数运算中（也存在一些可以完美模拟浮点计算单元的密态技术，但还处于研究阶段，实践中没有定点数应用广泛）。在联合建模场景中，MPC所能支持的数据规模则会大幅降低，在不同的安全假设条件下，性能存在较大差异，如经典金融风控场景中，如在较为宽松的诚实大多数条件下，约可实现千万级别，但如要满足不诚实大多数的安全假设，性能通常降低一个数量级，约在百万量级。

2022是隐语开源的第一年，从正式发布到第一次功能调研、issue数突破150+、GitHub千星、第一个开发者PR，在提升广大开发者归属感、参与感、荣誉感等方面，社区在6个月的探索中被鼓励、被指正、也被启发，虽然还没满周岁，但是新年的仪式感不能少，汇总梳理此份报告与大家回头看、向前走，共同走向开发者自治的社区。自开源发布，隐语保持着平均2月/次的版本更新频次，并尝试通过搭配体验工具、交互教程、同期活动等形式辅助开发者加深对新功能的理解与感知。

本次隐语v0.7.18版本更新，带来了全新的功能优化和体验。在多方安全计算算法层，明密文调度层，基础设备层，文档等方面都做了优化，并发布全新的跨机构联邦分布式底座（RayFed），提供跨机构的分布式联邦执行能力，在保持隐语集中式编程易用性的基础上，提升整体系统的安全性。垂直：提供稀疏化的通信优化能力；SLModel支持复杂模型，支持basenet输出多路hiddens，便于灵活配置网络结构。互联互通：发布ECDH-PSI算法开放协议，开启通过开放算法协议实践，来实现和其他平台的互联互通；

互联互通开放协议簇由多个子协议组成，每个子协议对隐私计算的某一方面做了规范化和标准化，这些子协议组合起来才能使隐私计算算法真正做到全行业的互联互通。

2022年是隐语开源的第一年，半年来的茁壮成长离不开大家的支持与信任，社区从0到1，越来越多小伙伴加入到隐语的共建中来，汇集了一批深度用户，他们互相学习探讨、交流技术，与此同时也发展出一批极具价值与影响力的开发者，以代码贡献、互动答疑、内容分享等不同形式影响着隐语社区。

多方安全计算（MPC）技术可实现对原始数据按用途授权使用，有效避免数据的二次流转，达到数据可用并可控相对更匹配金融行业的联合风控场景需求。

隐私计算技术最初萌芽于1978年Rivest等人提出的同态加密思想，而后随着技术的进步，逐步从纯密码学理论接近实际应用，目前已经成为一门涵盖密码学、计算机系统、人工智能、数据科学等众多领域的综合性学科，并正在产业应用落地中加速发展。目前，针对隐私计算的系统性的学习资源还有待开发、整合、完善，并且还需紧跟技术发展更新迭代。本系列课程划分为7为大模块：课程前瞻、隐私计算全局概览、概念基础、技术应用、案例介绍、框架基础、动手实践，融合了基础理论与实践应用，将由浅入深为大家呈现100+专业细分知识点。

为了方便大家了解隐语的Benchmark，本文设计了10分钟上手手册，包含了亮点介绍、SecretFlow集群的易用搭建、Benchmark脚本、两方和三方的Benchmark，使相关业务方做调研时方便拿到可度量的性能数据和可复现的路径。

隐私信息检索(Private information retrieval PIR)也称为隐匿查询或匿踪查询，在医疗、股票、金融、社交等领域中都有大量应用场景。近年来PIR技术研究逐渐丰富，行业对应用PIR实现隐私保护的呼声也随之高涨。