#隐语实训#隐语架构概览

隐语架构:产品层、算法层、计算层、资源层、硬件层。

产品层

        定位:

                通过可视化产品,降低终端用户的体验和演示成本。

                通过模块化API降低技术集成商的研发成本

        人群画像:作为隐语的直观入口,隐私保护计算从业者均应该关注

                隐私保护计算集成商、隐私保护计算需求方、开发人员、研究人员、产品人员

算法层

        PSI/PIR算法(协议)

                定位:高性能、轻量化、易用的PSI/PIR专用协议模块

                人群画像: PSI/PIR产品人员、PSI/PIR需求人员、PSI/PIR 研发人员

         Data Analysis- SCQL

               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

                人群画像: 数据分析集成商、数据分析需求人员、数据分析产品人员、数据分析研发人                                     员

         Federated Learning(联邦学习)

                定位:具备安全攻防保障的 明密文混合机器学习框架和算法

                人群画像:深度学习需求方、深度学习产品人员、安全AI研究人员

计算层      

        混合编译调度-RayFed

                定位:面向跨机构场景,提 供单机构内计算任务 独立调度和跨机构计算任务协作的能                               力。

                人群画像:隐语工程开发人员、隐语算法开发人员

          SPU

                定位:桥接上层算法和底层 安全协议,保持原生 AI框架体验的同时为 用户提供透明                                 的、高性能的、基于安全协 议的密态计算能力。

                人群画像:机器学习研发人员、密码协议研发人员、编译器研发人员

        HEU

                定位:低门槛,高性能的同态加密库,支持多类 型、可扩展的算法协议和硬件加速生态

                人群画像:同态加密用户、同态算法研究人员、同态硬件研发人员

        TEEU

                定位:支持多种可信执行环境的、具备数据使用跨域管控能力的密态 计算枢纽,可执行                         数据分析、机器学习、 MPC/FL加速等功能。

                人群画像:数据合规研究人员、TEE软件开发人员、TEE硬件制造厂商

        YACL

                定位:多种隐私计算技术路 线共同需要的密码库,具备安全实现保证、高性能等特点。

                人群画像:安全/密码研究人员

资源层

        KUSCIA

                定位:屏蔽不同机构间基础设施的差异,为跨机构协作提供丰富且可靠的资源管理和任                             务调度能力。

                人群画像:隐私保护计算集成商、运维开发人员

硬件层:包扩硬件加速与可信执行环境两个模块

互联互通

       定位:隐语和其它厂商的平台可以互联互通,共同完成一个隐私计算任务。

       人群画像:互联互通需求方、平台研发人员、算法研发人员、隐私保护计算集成商

跨域管控

        定位:数据离开持有者的运维域后,数据方仍然能够有效地控制数据的流转过程,避免其被                       窃取或者非预期使用。

       人群画像:隐私保护计算需求方、监管方、运维人员商

                

                

  • 19
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
隐语框架与TEE(可信执行环境)的配合可以实现数据加密。隐语框架主要解决的是数据隐私保护和安全计算的问题,而TEE是一种安全的硬件或软件环境,可以提供可信的执行环境来保护数据和计算过程的安全性。通过将隐语框架与TEE结合,可以实现数据在计算过程中的加密和保护。 在隐语框架中,数据可以使用全密态计算或明密文混合计算的方式进行加密。全密态计算是一种在密文环境中进行计算的方式,数据在计算过程中一直保持加密状态,可以使用Secure Aggregation算法、MPC密态引擎、同态加密等技术来进行计算。而明密文混合计算则是将部分计算从密文环境搬到明文环境,在明文环境中进行计算可以提升计算的性能,同时通过安全退让来保证数据的安全性。 TEE提供了一个可信的执行环境,可以保护计算过程中的数据和代码安全。在隐语框架中,可以使用TEE来实现数据的加密和解密操作,以及进行安全计算。TEE可以提供硬件级的安全保护,例如Intel SGX和ARM TrustZone等,也可以通过软件模拟的方式提供安全执行环境。 通过隐语框架配合TEE实现数据加密,可以在保护数据隐私的前提下,进行安全的计算和数据交换。这种组合可以应用于各种场景,例如联邦学习、数据交易市场等,为数据安全和隐私保护提供了一种可行的解决方案。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [隐私计算技术|深度解读可信隐私计算框架隐语”](https://blog.csdn.net/m0_69580723/article/details/126662952)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值