隐语课程 隐语架构概览学习笔记

隐语架构包含：产品层、算法层、计算层、资源层和硬件层 

隐语产品：

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，隐语保护计算从业者均应该关注

产品：

SecretPad：轻量化安装、快速验证POC、可定制集成；

多部署形态：中心模式、P2P模式

全栈产品：MPC、TEE、SCQL

SecretNote：Notebook形式、交互式建模、多节点一站式管理和交互、运行状态跟踪

隐语算法：

PSI：一种特殊的安全多方计算（MPC）协议，AB执行PSI协议后，A和B持有的集合的交集除交集外不会泄露其他信息

PIR：用户查询服务端数据库中的数据，但服务的不知道用户查询的是哪些数据

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在保护自己数据隐私的前提下，完成多方数据分析任务

Data Analysis-SCQL核心特性：

1、半诚实安全模型

2、支持多方

3、易上手，提供MySQL兼容的SQL方言用户界面

4、支持常用的SQL语法和算子，满足大部分场景的需求

5、可实用的性能

6、提供列级别的数据使用授权控制

7、支持多种密态协议

8、内置支持多种数据源接入

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。包含水平联邦和垂直联邦（主要是拆分学习）

联邦学习的定位：具备安全攻防保障的明文混合机器学习框架和算法

联邦学习：

安全攻防：安全风险度量体系、攻防框架、攻防算法

性能：稀疏化、量化、流水线

算法：营销算法、SOTA安全聚合、大模型

隐语计算层：

混合编译调度-RayFed：在Ray基础之上所构建的专注于跨机构的分布式计算调度框架

定位：面对跨机构场景，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

SPU：Secure Process Unit,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

SPU核心特性：

1、原生对接主流AI前端

2、支持丰富的机器学习算法

3、带隐私保护语义的中间表示语言

4、基于MLIR的加密计算编译优化

5、高性能MPC协议虚拟机

6、多种数据并行，指令并行优化

7、丰富的MPC协议，适配各种场景

8、支持协议扩展，支持异构设备接入

HEU：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

同态加密分类：

PHE：支持密态加法或乘法

LHE：支持有限次密态加法和乘法

FHE：支持无限次密态加法和乘法

TEEU：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

YACL：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

隐语资源层：

包括：数据管理、网络管理、计算资源管理、应用管理

KUSCIA: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

隐语互联互通：隐语和其他厂商的平台可以互联互通，共同完成一个隐私计算任务

两种模式：黑盒模式：又称管理调度互联，管理面、控制面实现互联互通，两边加载相同的算法容器

白盒模式：又称基于开放算法协议的互联，算法引擎层面可以直接互联

隐语跨域管控：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