比较常用隐私计算

隐私计算中的多方安全计算（MPC）是一种在不泄露敏感数据的情况下，多个参与方之间进行协同计算的技术。基本原理秘密分享：将数据在多个参与方之间进行秘密分割，每个参与方只持有数据的一部分份额，单独的份额对数据进行解密。计算结果解密后与在明文上进行相同计算的结果一致，从而保证了数据在计算过程中的隐私性。混淆电路：将计算任务表示为一个布尔电路，然后对电路中的每个门进行加密和混淆处理，使得参与方能够在不了解对方输入数据的情况下，通过交互和计算来评估电路，最终得到计算结果。技术特点隐私保护：多方安全计算能够在计算过程中严格保护各参与方的隐私数据，确保数据不被泄露给其他任何参与方或第三方，即使在计算。可验证性：计算结果具有可验证性，参与方可以通过特定的验证机制来确认计算结果的正确性，防止恶意参与方提供虚假结果。通用性：可以支持各种类型的计算任务，包括算术运算、比较运算、逻辑运算等，能够满足不同应用场景下的计算需求。应用场景金融领域：在联合信贷风险评估中，多家金融机构可以在不共享各自客户敏感信息的情况下，共同对客户的信用状况进行评估，提高风险评估的准确性，同时保护客户隐私。在金融交易中，多方安全

计算协议，使密文数据能够在不解密的情况下进行加法、乘法等算术运算，以及比较、搜索等逻辑运算。隐私计算：除了同态加密外，还包括多方安全计算中的秘密共享、不经意传输等技术，通过将数据分割成多个份额并在不同密态计算和隐私计算都属于数据安全与隐私保护技术范畴，但在概念、技术手段、应用场景等方面存在一些差异，以下是它们的具体介绍：密态计算：是一种在数据加密状态下直接进行计算的技术，整个计算过程中数据始终以密文形式存在，计算结果解密后与在明文状态下进行相同计算得到的结果一致。它强调的是在密文上执行计算操作，不泄露数据的明文信息。隐私计算：是指在保护数据本身不泄露的前提下实现数据价值挖掘和流通的一系列技术的统称，涵盖多方安全计算、联邦学习、同态加密、零知识证明等多种技术，旨在解决数据在开放环境中的隐私保护和协同计算问题。技术手段密态计算：主要基于全同态加密、部分同态加密等加密技术，通过特定的加密算法和参与方之间进行处理，以及在不泄露隐私信息的情况下进行数据交互；联邦学习则通过在本地训练模型并上传模型参数进行聚合更新等方式保护隐私。应用场景密态计算：在云计算环境中，用户可以将加密的数据存储在云端

清洗及联邦特征工程，为后续联邦建模提供保障。强大的联邦建模：SophonP²C支持横向及纵向的逻辑回归、线性回归、K均值等常用统计分析和机器学习算法，并针对隐私计算中的数据分布不一致问题，对多种场景和隐私计算产品-SophonP²C星环分布式隐私计算平台SophonP²C集多方安全计算、联邦学习等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的平台在大数据量下也能获得卓越的性能。星环科技在隐私计算方面的技术探索和落地实践也受到了行业的广泛认可，入围工信部网安中心“2021数字技术融合创新应用典型解决方案”，产品通过信通院“卓信大数据计划”安全专项评估认证；荣获“江苏省优秀人工智能产品”、“2022可信AI”实践优秀案例、大数据“星河”隐私计算优秀案例；入选艾瑞咨询“隐私计算卓越者”榜单、易观分析“隐私计算领域典范厂商”等。产品功能基于密码学保障的分布式隐私计算技术：使用了差分隐私、同态加密、掩码技术、不经意传输的隐私计算技术和可信计算技术，结合公司高性能的分布式算法，可以在海量密文数据上运行分布式机器学习算法，实现“原始数据不动模型

行计算。这样的设计不仅保护了原始数据的隐私和安全，同时也确保了数据的计算和分析得以顺利进行。为了实现原始数据不出域，隐私计算采用了多种技术手段。同态加密是其中一种常用的方法。同态加密技术可以将原始数据加密隐私计算的流程涵盖了从数据收集到模型评估的各个环节，每一个步骤都需要进行严格的隐私保护。原始数据不出域是隐私计算的重要原则之一。这意味着原始数据不需要离开其所有者，而是在所有者控制的计算环境中进成密文，同时允许对密文进行计算，计算结果在解密后能够还原为明文形式。这种特性使得原始数据所有者可以将加密后的数据传递给其他参与方进行计算，而其他参与方无法获取原始数据的明文信息，从而实现了数据的隐私保护。除了同态加密，隐私计算还运用了安全多方计算和联邦学习等技术手段。这些技术可以在不共享原始数据的情况下，实现数据的分析和计算。通过多方协同计算和模型的分布式训练，隐私计算能够在保护数据隐私的同时，实现数据的价值挖掘和利用。在隐私计算的流程中，密态数据可用不可见是另一个重要的原则。这意味着数据在以密文形式存储或传输时，虽然对于用户来说是不可见的，但仍然能够保持其可用性。这一原则在云计算和大数据等

，降低了对中心化机构的信任风险。灵活性高：可以支持多种类型的计算任务，如加法、乘法、比较、排序等，适用于不同的应用场景和需求。应用场景金融领域：用于加密的金融交易、隐私保护的风险评估和预测、反欺诈等多方安全计算（MPC）是隐私计算领域的一种关键技术，它允许多个参与方在不泄露各自私密数据的前提下，协同完成某个计算任务。基本原理秘密共享：将数据分割成多个秘密份额，分发给不同的参与方，每个参与方只一系列安全协议，规范参与方之间的交互行为和计算流程，防止恶意攻击和隐私泄露。技术特点隐私保护强：在整个计算过程中，参与方的原始数据始终保持加密状态，不会被泄露给其他方，即使是计算结果也不会暴露额外的隐私信息。计算准确性：能够在保护隐私的前提下，保证计算结果的准确性和可靠性，与在明文状态下进行计算的结果一致。去中心化：不需要依赖可信的第三方来进行数据处理和协调，参与方之间通过安全协议直接进行交互和计算持有部分数据，单独无法获取完整信息。只有通过特定的组合和计算，才能还原出原始数据或得到计算结果。加密技术：运用各种加密算法对数据进行加密处理，确保数据在传输和计算过程中的保密性和完整性。安全协议：设计

应运而生。关键技术多方安全计算：多个参与方在不泄露各自数据隐私的情况下，通过特定的加密协议和算法进行协同计算。例如，在多方数据求和、数据比较等场景中，各方数据在加密状态下进行交互和计算，最终得到正确的结果隐私计算是一种在保护数据隐私的前提下实现数据价值挖掘和流通的技术体系，涵盖多方安全计算、联邦学习、同态加密、零知识证明等多种技术手段。定义与背景定义：隐私计算是指在不泄露数据隐私的情况下，对数据进行分析、计算和共享的一系列技术和方法的统称。它允许不同的参与方在数据不出本地的情况下，通过加密、分布式等技术手段进行协同计算，实现数据的互联互通和价值最大化，同时确保数据的隐私和安全得到有效保护。背景：随着数字化进程的加速，数据已成为企业和社会发展的重要资产，但数据的隐私泄露风险也日益增加。在数据共享和协同处理过程中，如何既充分发挥数据的价值，又保护数据所有者的隐私，成为亟待解决的问题，隐私计算保护了数据隐私。同态加密：允许在密文上直接进行特定类型的计算，计算结果解密后与在明文上进行相同计算的结果一致。如对加密的金融交易数据进行求和、求平均等计算，无需解密数据即可得到正确结果。零知识证明

，如智能推荐系统、图像识别等领域的跨机构合作。差分隐私（DP）：通过在数据或计算结果中添加噪声，使得对数据的查询或分析结果对于个体数据的变化不敏感，从而保护数据集中个体的隐私，常用于数据发布、统计分析等隐私计算方案是一套综合性的技术和方法体系，旨在解决数据隐私保护与数据价值利用之间的矛盾，以下是一个通用的隐私计算方案框架：明确应用场景与目标确定业务需求：分析具体业务场景，如金融领域的联合风控、医疗、选择权等。选择合适的隐私计算技术安全多方计算（SMC）：适用于多个参与方在不泄露各自数据的情况下共同完成复杂的计算任务，如多方数据的联合统计分析、隐私集合求交等。通过秘密分享、混淆电路等技术手段，确保数据在计算过程中的安全性。同态加密（HE）：能够对密文进行特定的计算操作，使得在不解密数据的情况下完成诸如加法、乘法等运算，适用于对加密数据的直接处理场景，如云端数据的隐私保护计算、加密数据的分析挖掘等计算技术，对数据进行加密处理，将敏感数据转换为密文形式，或者对数据进行脱敏操作，如匿名化、泛化等，降低数据的敏感度。方案实施与部署系统架构搭建：构建包括数据存储、计算节点、通信网络等在内的隐私计算系统

联邦计算和隐私计算都是在保护数据隐私的前提下进行数据计算或模型训练的技术手段。联邦计算指的是在不泄露原始数据隐私的前提下，将各方的数据集合并在一起进行计算或模型训练。与传统的数据集中式计算方案相比，联邦计算更加注重数据隐私保护和数据的去中心。联邦计算的基本流程是：通过密码学手段保证各方之间的数据隐私；将各个参与方提供的数据在本地预处理，提取特征，然后在各方之间进行模型参数更新；后汇总模型参数，得到联合训练后的模型。联邦计算应用于数据大规模分布式场景，例如金融风控、医疗诊疗、智慧城市等多个领域。隐私计算则是一种在不将原始数据暴露的前提下，基于加密计算实现对数据的计算、查询或分析。隐私计算中的数据能够在加密状态下保存、传输、计算和输出，用户在享受计算结果的同时，也可以享受到数据隐私保护。在隐私计算中，数据拥有者将原始数据进行加密，形成密文。在密文的基础上，进行加密计算，得到密文结果。之后，密文结果才被解密，得到终的结果。通过加密计算，私计算实现了用户数据的隐私保护和数据共享的矛盾的平衡。联邦计算更加注重在各方之间进行数据合并时对数据隐私的保护，强调去中心化，在各方的数据安全和隐私保护保证

双碳目标下，全国碳排放监测服务平台启动建设力争2030年前实现碳达峰、2060年前实现碳中和，我国明确提出“双碳”目标，充分彰显了在构建人类命运共同体进程中的大国担当。国家电网公司主动担当重要使命，提出“实现双碳目标，能源是主战场，电力是主力军，电网是排头兵”的战略部署，率先行动，发布《全国碳排放监测服务平台建设工作方案》。“双碳”目标的实现离不开科技支撑。《全国碳排放监测服务平台建设工作方案》指出，全国碳排放监测服务平台建设的总体目标是以电网数字化赋能和助力国家碳达峰碳中和，实现“电力看双碳”，“双碳看经济”，为国家碳排放统计核算体系建设、宏观调控政策制定、经济社会全面绿色转型发展等工作提供决策支持。平台建设需要解决以下问题：以数字化平台技术解决各省的地市、区县、重点行业碳排放数据维度不全面、核算方法不完善、碳核算体系不统一等方面的问题；强化数据应用，发挥好决策支撑作用，深挖电力大数据价值，开展“电力看环保”“电力看经济”等大数据应用。积极响应号召，星环科技打造碳排放监测服务平台解决方案星环科技作为大数据基础软件领域的代表性企业，有着高度的责任感和使命感，为响应“全国碳排放监测服务平...

图数据库的应用场景非常广泛，可以应用于各个行业。以下是一些常见的应用场景：金融：在金融领域，图数据库可以帮助银行、保险公司等企业处理复杂的数据结构，支持欺诈检测、交易路由、投资组合分析等操作。社交网络：图数据库可以存储和处理社交网络中的复杂关系图谱和大量用户数据，支持好友推荐、社区发现、个性化内容推荐等操作。物流：在物流领域，图数据库可以帮助企业优化路径规划、物流运输等操作，加速发货、配送时间并提高效率。制造业：图数据库可以支持企业处理复杂的设备关系结构图，进行维修保养、设备性能分析、生产计划优化等操作。能源行业：在能源领域，图数据库可以处理复杂的电网、管道等结构图谱，并支持多种能源趋势分析和紧急事件监测等操作。电商：图数据库可以应用于电商业务中，存储和处理复杂的商品与用户之间的关系，支持个性化推荐、购物车分析、用户行为预测等操作。图数据库可以在各个领域中应用，并且在处理复杂的数据结构和大量的数据时比传统数据库具有更高的性能和效率。星环分布式图数据库StellarDB星环科技致力于打造企业级大数据基础软件，围绕数据的集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期提供基础软件与...

作为一家企业级大数据基础软件开发商，星环科技很早就在数据中台领域布局，结合星环科技全系产品的相关组件实现数据中台能力建设。星环科技把数据中台建设归纳为三中心、六能力、两个体系，这当中都会有星环科技产品作为支撑，从而保证企业能够快速实现，并搭建起数据中台，满足企业未来发展变化。其中，三中心分别是存储中心、分析探索中心、业务赋能中心；六能力包括数据汇聚能力、数据整合能力、智能分析能力、实时计算能力、统一访问能力、统一服务能力；两个体系则是安全和运维保障体系与数据和分析支撑体系。三中心、六能力、两个保障体系都构建在一个云底座之上，满足企业私有化或者混合云多云的部署形态，同时灵活组件式的可插拔式部署形态，能够帮助企业更迅速的起步，按规划分步完善数据中台建设。除了提供基础组件和相应的工具帮助客户快速构建数据中台之外，星环科技还提供咨询实施服务，可以为企业提供量身定制的“数据云基础设施+咨询服务的端到端产品+服务”的综合解决方案。在星环科技的咨询服务产品体系中，包括为企业构建中台的架构规划、应用规划，以及帮助企业实施建设数据底座、数据中台、数据仓库，以及数据治理服务，也包括了数据的分析、业务分析、...

近年来，企业数据安全问题的重要性被提上了前所未有的高度。星环科技提供了从云基础设施、数据平台、数据资源、数据应用的数据安全能力。覆盖数据生命周期的各个阶段，涉及数据的收集、存储、使用、加工以及开放流通。全方位保障企业的数据安全，支撑业务合法合规的开展。星环科技凭借全面的数据安全能力助力某支付机构构建安全防线的落地实践。该支付机构拥有大量数据资产，目前机构面临着较大的挑战，需要加强数据安全管理，为此，机构决定与星环科技合作，利用星环科技的技术来提升数据安全管理能力，共同打造一个基于隐私计算的数据服务平台DaaS。根据客户需求，星环科技在基础设施层提供了基于容器的云原生操作系统TCOS，可以为用户提供独立的数据与计算环境，减少数据对外暴露的风险。在数据平台层，星环科技大数据基础平台TDH新版本增强了安全技术，支持行列级权限控制、动态脱敏等。在数据资产层，星环科技借助两款新产品：数据安全管理平台Defensor帮助企业构建整个数据安全管理域及数据流通平台Navier：包含隐私计算平台SophonP²C和数据交易门户datamall，提供包括联邦学习和差分隐私等技术能力。该支付机构的数据管理平...

时空数据库时空数据库是一种针对时空数据处理的数据库系统。它以时间和空间为基础，整合了空间信息和时间信息，能够对时空数据进行存储、查询和分析。时空数据库广泛应用于交通运输、城市规划、GIS等领域。分布式时空数据库分布式时空数据库是一种对时空数据进行存储和处理的数据库系统，通过分布式存储和分布式计算等技术，可以实现对大规模时空数据的高效处理和分析。与传统的集中式数据库系统不同，分布式时空数据库将数据存储在多个存储节点上，并将计算任务分配给多个计算节点来完成，从而极大地提高了时空数据的处理能力和可靠性。分布式时空数据库的出现，使得处理大规模时空数据成为了可能，也更好地满足了各个领域对时空数据深度分析的需求。星环分布式时空数据库-TranswarpSpactureSpacture是星环科技自主研发的一款面向空间、时空数据的存储与管理，集计算与存储为一体的分布式数据库产品，支持大规模矢量数据、时空轨迹数据的存储与计算，具有完备的数据查询、分析和挖掘能力，可用于时空查询分析、时空模式挖掘、时空轨迹聚类等时空轨迹数据分析场景，广泛应用于交通物流、城市管理、位置服务等场景。

星环科技致力于打造企业级大数据基础软件，具备大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，多年来深耕电力领域，覆盖电力产业“发-输-变-配-用”五大环节，为推动电力行业数字化转型做出了重要贡献。在国网上海电力智能配用电大数据应用系统建设项目中，基于星环科技大数据基础平台TDH构建的智能配用电大数据应用系统汇集了浦东1210平方千米的236万户的用电数据，高负荷738万千瓦，年用电量329亿度，占上海全网四分之一。集成的内外部数据源有10个，整个数据量到现在已经接近8个T了，台账的数据总量有29.14万条。在多元数据集成及大数据平台基础之上，应用系统实现了用电查询，电力地图等基础功能及用户用电行为分析，节电用电预测网架优化和错峰调度等业务应用。基于多源异构数据的关联解析，和海量用电负荷实际数据存储、索引，实现了用电查询的基础应用，包括230万用户，26000个台区，4000余中压馈线的基本台账及用电数据的快速查询，并可以进行用户用电画像、地图定位、供电范围等数据的查询，服务响应时间在三秒以内。此前，星环科技还曾凭借《星环科技电力智慧供应链智能决策平台建设方...

随着行业和技术领域的变化日新月异，从数据仓库、动态数仓，到数据湖，从新一代湖仓一体技术到可插拔数据库，概念的引入虽然简单，但如何做到更有效，更复杂的数据资产管理就考验着对生产能力和工艺过程的管理能力。星环科技认为数据中台是一种能力、是一种组织上的策略而不仅仅是一种技术架构，它是在信息化基础上建立的可编织和可复用的数据可分析能力，从而支撑企业数字化转型。星环科技的数据中台三中心、六能力、两个体系星环科技很早就在数据中台领域布局，结合星环科技全系产品的相关组件实现数据中台能力建设。星环科技把数据中台建设归纳为三中心、六能力、两个体系，这当中都会有星环科技产品作为支撑，从而保证企业能够快速实现，并搭建起数据中台，满足企业未来发展变化。数据存储、分析探索、业务赋能三中心第一，帮助企业构建存储中心，提升数据的汇聚和整合能力；第二，构建数据分析探索中心，专注于智能分析能力和实时计算能力的提升，推动智能推荐能力和全链路实时监测和保障能力；第三，构建业务赋能中心，提供统一的访问能力实现跨平台联邦，统一的访问层控制，确保数据安全可用，同时搭建统一的服务能力，面向多场景的服务应用支撑。安全和运维、数据和分...

星环科技作为一家企业级大数据基础软件开发商，在图计算领域深耕多年，有着深厚的技术积淀和丰富的实践经验。星环科技自主研发的分布式图数据库StellarDB，兼容openCypher查询语言，提供海量图数据的存储和分析能力，支持原生图存储结构，支持万亿边PB级数据存储。同时，StellarDB具备毫秒级点边查询能力，10+层的深度链路分析能力，提供近40种的图分析算法，具备数据2D和3D展示能力。StellarDB克服了海量关联图数据存储的难题，通过集群化存储和丰富算法，实现了传统数据库无法提供的低延时多层关系查询，目前已经用于金融、政府、交通等众多行业，用于反洗钱、风险控制、营销等多种场景。同时StellarDB还获得了多项行业权威认可：入选信通院2022大数据十大关键词“图计算平台”代表厂商；通过了中国信通院图数据库和图计算平台基础能力两项专项测评；入选著名咨询机构Gartner《中国数据库市场指南》、《工具：中国数据库管理系统供应商甄选》报告等，彰显了其产品技术领先性。如今，5G、物联网、AI等技术的发展应用让数据呈指数倍增长，为图数据库发展提供了更广阔的应用空间。顺势而为，乘势而上...

为解决AI落地难的问题，星环科技从用户需求端出发，研发了一款基于云原生架构的企业级AI能力运营平台SophonMLOps，助推AI模型落地。SophonMLOps是基于云原生架构构建的企业级AI能力运营平台，聚焦于机器学习模型全生命周期中的模型管理、模型部署、模型监控预警、模型评估和模型迭代等关键环节。通过统一纳管、统一运维、统一应用、统一监控、统一评估、统一解释，赋予企业客户易用、高效且安全可靠的AI能力运营服务，协助客户规模化管理日益增长的机器学习模型，提升模型使用效率，降低模型集成管理成本，控制模型生产环境风险。SophonMLOps针对企业AI运营的痛点，围绕企业AI模型接入、运营管理、持续训练的全生命周期，分别提供规模化集成管理、高效模型推理、模型监控预警、模型性能评估、隐私安全保障等功能，为企业的AI日常运营插上翅膀。SophonMLOps打通了AI的全生命周期，为企业的各类用户角色搭建了统一的AI协作平台。对于企业而言，MLOps规模化集成管理了多源异构的机器学习模型，并提供高效且保障隐私安全的模型推理、监控预警及性能评估服务；对用户而言，能感受到操作上的快捷，AI应用与...

在国产数据库产品方面，星环科技坚持自主研发与技术创新，打造了自主可控的高性能分布式数据库ArgoDB和分布式交易型数据库KunDB，以及分布式图数据库StellarDB等产品。KunDB具备较强的SQL兼容性，同时具备高可用、高并发、在线扩缩容、数据强一致性等能力，适用于操作型业务、高并发业务等场景。ArgoDB具备完整的SQL兼容性，同时具备高扩展、高可靠、多模型、存算解耦等能力，一站式满足数据仓库、实时数据仓库、数据集市、OLAP、联邦计算等场景。通过不断的打磨和对业务场景不断的落地实践，ArgoDB和KunDB已成为具有完全自主知识产权的成熟的国产数据库，能够为更多的客户提供高性能、高可靠、成熟的数据库产品服务，帮助用户应对智能数据时代海量数据的分析与探索。分布式图数据库StellarDB兼容openCypher查询语言，提供海量图数据的存储和分析能力，支持原生图存储结构，支持万亿边PB级数据存储。同时，StellarDB具备毫秒级点边查询能力，10+层的深度链路分析能力，提供近40种的图分析算法，具备数据2D和3D展示能力。星环科技StellarDB在金融、政府和社交网络等领域...