摩斯隐私计算论坛

在蚂蚁及阿里生态流量与场景联盟的赋能下，摩斯通过对数据的安全多次加密计算，链接银行与场景，在不同的时间节点及差异化的场景端对用户进行个性化营销信息投放，精准有效地扩大营销效果，提升客户营销ROI。蚂蚁摩斯可以为用户提供软件和软硬结合一体机、分布式和集中式多个不同的产品方案，且拥有世界领先的核心算法能力、低耗能高精度MPC、自研TPM芯片、自研蚂蚁卡等多维度领先的技术能力。进而形成了蚂蚁摩斯在“产品安全、产品性能、产品形态、生产经验、资源连接、用户服务”等方面的卓越产品优势。

每种隐私计算路线各有优缺点，在不少场景中可以结合使用以扬长避短。​对于业内最为关注的面向联合计算的通用隐私计算产品，技术路线建议如下：MPC、TEE双引擎。从计算类型丰富度出发，必然需要采用MPC或TEE技术路线以支持各种计算。MPC、TEE两者在安全和性能上各有权衡。理想的隐私计算产品应支持MPC、TEE双引擎，让用户能根据具体场景灵活选择引擎使用。分布式计算作为补充。在部分建模场合（模型无需管控、中间信息泄露可接受）可以采用联邦学习、分割学习、弱PPML作为补充，以提升性能；

某银行要做互联网贷款业务，不同于传统的线下贷款，坏账率对于业务成败非常关键，需要对用户进行更精准的风控刻画，但是银行本身关于用户的数据是片面和匮乏的，需要和更多的银行、政府等机构进行合作。传统的机构之间的合作形态一般是提供方-使用者，即一方是服务提供方，另外一方是服务使用者，他们是上下游形态的商业关系，比如一家在线旅途OTA公司需要接入酒店预定的服务以优化旅游体验，旅游公司会采购酒店预定服务提供商，技术上一般会使用Web Service API来连接。两者解决的问题不同，但是两者具备很好的互补性。