隐私计算实训营第2期第3讲——隐语架构概览

发布于:2024-06-11 ⋅ 阅读:(59) ⋅ 点赞:(0)

课程链接:隐语 · 实训社区

架构概览

隐语(SecretFlow)是蚂蚁集团开源的可信隐私计算框架,可以划分为不同的层次,下面各层次的特点和相应的目标人群进行介绍,以帮助大家快速了解隐语计算框架。

下图展示了不同的用户在隐语框架中可能关注的不同层次。

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。

目标人群:

作为隐语的直观入口,隐私保护计算从业者均应该关注

一些产品及其特点如图所示:

算法层

主要包含了PSI / PIR,Data Analysis,Federated Learning三个部分。

PSI/PIR

PSI(Private Set Intesection)一种特殊的安全多方计算(MPC)协议

Alice持有集合 X,Bob持有集合Y, Alice和Bob通过执行PSI协议,得到交集结果X ∩ Y , 除交集外不会泄漏交集外的其它信息

PIR(Private Information Retrieval)

用户查询服务端数据库中的数据, 但服务端不知道用户查询的是哪些数据

定位:

高性能、轻量化、易用的PSI/PIR专用协 议模块

目标人群:

一些产品及其特点如图所示:

Data Analysis- SCQL

SCQL(Secure Collaborative Query Language )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

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。

目标人群:

一些产品及其特点如图所示:

Federated Learning(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(垂直联邦主要是拆分学习,Split Learning)。

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

目标人群:

一些产品及其特点如图所示:

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。

目标人群:

密态引擎-SPU(Secure Process Unit)

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。

目标人群:

一些产品及其特点如图所示:

密态引擎-HEU(Homomorphic Encryption Unit)

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。

目标人群:

一些产品及其特点如图所示:

密态引擎-TEEU(Trusted Enextution Environment Unit)

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。

目标人群:

一些产品及其特点如图所示:

密码原语-YACL(Yet Another Common Crypto Library)

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

目标人群:

一些产品及其特点如图所示:

资源层

kuscia(KUbernetes based Secure Collaborative InfrA)

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。

目标人群:

一些产品及其特点如图所示:

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。

目标人群:

一些产品及其特点如图所示:

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。

目标人群:

三权分置

数据要素“三权”在数据流转过程中诞生与流转, 数据要素“三权”权益的机制保障核心是数据加工使用权跨域管控。