详解隐私计算框架的架构和技术要点

产品层：

1. 过可视化产品，降低终端用户的体验和演示成本 

2. 通过模块化 API 降低技术集成商的研发成

算法层：

1. 高性能、轻量化、易用的PSI/PIR专用协议模块，且支持多种协议类型

2. 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

3. 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、包括水平联邦和垂直联邦，

具备安全攻防保障的明密文混合机器学习框架和算法。

计算层：

Ray: 提供Ray基础上所构建的专注于跨机构的分布式计算调度框架，提供弹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:  兼容Pytorch.Jax.Tensorflow, 保持原生AI框架体验和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.

HEU: 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.

TEEU: 提供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：封装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。

资源层：

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。

硬件层：

互联互通：多厂商的平台互联互通，共同完成一个隐私计算任务。

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