隐私计算和机密计算

机密计算是一种隐私计算技术。通过软硬件组件协作，为应用程序提供必要的隐私计算保障。机密计算通过对数据进行加密和分割，使得在计算过程中任何参与者都无法获完整的数据信息。机密计算可以在保护数据隐私的同时，允许多个参与者进行协作计算，实现隐私计算的安全性和可用性。机密计算技术主要包括以下几个方面：零知识证明：通过利用密码学算法和协议，证明某个断言是正确的，而无需向其他方泄露具体的证明过程和信息。安全：对数据进行加密后，仍然可以在加密状态下进行搜索，并得到相关结果，保护数据隐私。保护用户隐私的数据挖掘：在对数据进行挖掘和分析时，保护用户的个人隐私信息。机密计算技术的应用领域非常广泛，包括金融行业的风险评估和信用评估、医疗领域的匿名化数据分析、物联网领域的数据聚合与分析等。通过机密计算技术，可以在保护数据隐私的前提下，实现数据的安全共享与协同计算，进一步推动数据应用和创新。星环分布式隐私计算平台能获得卓越的性能。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

敏感数据的隐私性和安全性。可以有效地防止数据泄漏、恶意攻击和非法访问，从而确保数据的可靠性和完整性。同时机密计算也具有很高的灵活性和可扩展性，可以在不同场景下快速实现数据的安全计算和管理。机密计算的应用场景非常广泛，如金融行业可以用于交易结算、风险评估和客户隐私保护，医疗领域可以用于保护患者的医疗记录和诊断结果，电子商务可以用于保护客户的隐私信息和交易记录。另外，在区块链领域，机密计算也是实现链上隐私保护的重要技术。机密计算是一项非常重要的技术，可以在保障个人隐私和数据安全方面发挥巨大作用。星环分布式隐私计算平台-SophonP²C星环分布式隐私计算平台SophonP²C集多方安全计算、联邦学习机密计算是一种保护敏感数据安全的计算方法，主要通过对数据进行加密和安传输来保证数据的安全性。机密计算在诸多领域有着广泛的应用，如金融、医疗、能源、电子商务、社交媒体等。机密计算的大优点在于能够保护机AI模型。加密网络通信模块负责节点间大量多批次加密信息的传输，多种加密安全手段和优异的通信架构，确保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

多方安全计算（SecureMulti-PartyComputation，SMPC）和隐私计算（PrivacyComputing）是紧密相关的两个概念，多方安全计算是隐私计算的一个重要分支和关键技术在处理和分析数据时保护数据隐私的计算技术，涵盖了多方安全计算、联邦学习、可信执行环境等多种技术，旨在通过技术手段实现数据在流通和使用过程中的隐私保护，使数据在不泄露隐私的情况下发挥其价值。主要技术类型多方安全计算：如上述介绍，重点在于多个参与方之间的数据隐私保护和协同计算。联邦学习：一种机器学习技术，多个参与方在不交换数据的情况下，共同训练一个机器学习模型。通过加密技术和模型参数的交换，实现模型的优化和更新，保护了数据的隐私。可信执行环境：通过硬件隔离和加密技术，创建一个可信的执行环境，在这个环境中数据可以被安全地处理和计算，外部无法获取内部的敏感信息。特点和优势隐私保护：隐私计算的核心优势在于能够在数据处理的各个环节保护数据的隐私，防止数据泄露和滥用。数据价值挖掘：在保护隐私的前提下，能够实现数据的流通和共享，促进不同数据源之间的协同合作，挖掘数据的潜在价值。合规性：随着数据安全和隐私保护法律法规的日益严格，隐私计算技术有助于企业和机构满足合规要求，避免因数据隐私问题导致的法律风险。

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的同时，实现模型的分布式训练。而隐私计算则更加注重对数据计算、查询或分析时的数据隐私保护，其主要技术手段是复杂的密码学算法和安全协议。两者均是实现在保护数据隐私的前提下共享数据和进行数据计算的重要

隐私计算与联邦学习紧密相关，联邦学习是隐私计算的一个重要分支和应用场景。基本概念隐私计算：指在提供隐私保护的前提下实现数据价值挖掘的技术体系，包括安全多方计算、联邦学习、机密计算、差分隐私等多种技术。联邦学习：一种分布式机器学习框架，允许多个参与方在不共享原始数据的情况下，共同训练一个全局模型。关键技术同态加密：在联邦学习中，同态加密技术可用于对模型参数进行加密，使得在加密状态下进行计算和更新，解密后的结果与在明文上计算的结果一致，确保数据隐私。差分隐私：通过在模型参数更新过程中添加适量的随机噪声，使得攻击者难以从参数中推断出单个用户的隐私信息，进一步增强隐私保护效果。秘密共享：将模型参数或模型参数进行聚合操作，得到全局模型参数，并将其返回给各参与方。模型更新：参与方根据接收到的全局模型参数更新本地模型，然后继续进行下一轮的训练和聚合，直到达到预设的训练轮数或模型收敛。优势数据隐私保护强：数据始终保存在本地，不直接共享原始数据，只传输加密后的模型参数或梯度信息，大大降低了隐私泄露的风险。数据利用高效：打破了数据孤岛，实现了数据的跨机构、跨领域共享和利用，能够聚合来自不同源的数据，提高

和协议的方式相比，硬件实现的方式更为安全可靠。可信计算技术通过利用可信硬件的特性，如安全存储、加密解密等，确保数据的完整性和机密性。在数据处理和计算过程中，可信硬件能够防止恶意软件的攻击和篡改，从而保护数据的隐私和安全。隐私计算技术为解决数据隐私保护与利用之间的矛盾提供了有效的手段。联邦学习、安全多方计算和可信计算这三种技术各具特色，能够根据不同的应用场景和需求，提供灵活多样的隐私保护方案。联邦学习是一种分布式机器保证了数据隐私，还能获得与传统中心式机器学习模型几乎相同的模型效果。联邦学习的应用广泛，特别是在金融、医疗等敏感数据领域，能够有效地解决数据孤岛问题，促进数据价值的共享和释放。安全多方计算是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术和系统。它通过一系列安全的算法和协议，使得参与方能够在不暴露原始数据的情况下进行计算。在安全多方计算中，参与方通常需要将明文形式的数据进行加密或转化后再提供给其他方，确保在整个计算过程中，任一参与方都无法接触到其他方的明文形式数据。这种技术为跨组织、跨领域的数据合作提供了安全可靠的保障。可信计算是基于可信硬件的隐私保护技术。与基于软件

隐私计算模型是一系列技术和方法的集合，它们旨在在保护隐私信息的同时完成数据处理和计算。隐私信息全生命周期保护：隐私计算模型覆盖了数据的采集、传输、存储、处理、共享、销毁等全生命周期中的隐私保护。隐私。隐私保护方法：隐私保护方法可以分为隐私加密与隐私脱敏两类。隐私加密保证数据的机密性、完整性、不可否认性等，而隐私脱敏则通过匿名化与差分隐私等手段更改数据以保护隐私。隐私信息处理过程：隐私计算模型的：隐私计算技术如联邦学习、安全多方计算、同态加密、差分隐私、可信执行环境可以与大模型结合，实现更高效更安全的模型训练或推理任务。隐私保护数据分析和机器学习的统一框架：设备抽象，将多方安全计算（MPC）、同态加密（HE）、可信执行环境（TEE）等隐私计算技术抽象为密文设备，将明文计算抽象为明文设备，基于抽象设备的计算图，使数据分析和机器学习工作流程能够表示为计算图。度量与保护：隐私计算模型包括隐私度量、隐私泄露代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。技术手段：隐私计算模型涉及的技术手段包括安全多方计算、同态加密、可信执行环境（TEE）、联邦学习等

联邦计算与隐私计算是两个不同但又相互关联的概念，以下是它们的主要区别：概念定义联邦计算：通常是指联邦学习这一分布式机器学习技术，旨在解决在多个参与方数据不共享的情况下进行联合建模和训练的问题。多个数据处理和计算的技术，旨在实现数据“可用不可见”，即数据在不泄露隐私的情况下被用于计算和分析等操作。除了联邦学习外，还包括多方安全计算、可信执行环境、同态加密、差分隐私等多种技术。技术原理联邦计算：主要基于；多方安全计算性能也会因具体算法和场景而异。总体来说，隐私计算在追求隐私保护的同时，往往需要在一定程度上牺牲部分性能。数据处理方式联邦计算：侧重于对数据的分布式处理和模型训练，数据在本地进行预处理和模型参与方在本地训练模型，然后通过加密等技术交换模型参数或梯度信息，不断迭代优化模型，最终得到一个联合模型，而原始数据始终不离开本地。隐私计算：是一个更广泛的概念，涵盖了多种在保护数据隐私的前提下进行。隐私计算：不同技术原理不同。多方安全计算通过密码学技术如秘密分享、混淆电路等保证多方在协同计算时不泄露隐私；可信执行环境则是通过硬件隔离创建一个安全的执行环境来保护数据隐私；同态加密允许直接对密文

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...

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。

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、...

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...

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...

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...

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...

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...