数据中台隐私计算

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据挖掘和病例分析。金融领域：隐私计算可以用于保护客户隐私和金融机构之间的数据共享。例如，可以利用安全多方计算技术完成多个机构之间的客户数据共享，而不会泄露客户隐私。人工智能：人工智能需要处理大量的数据，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算可以用来保护这些数据。例如，可以使用安全多方计算技术来合作分析人口和交通路线数据，以进行城市规划。电子商务：电子商务需要处理大量的用户购物数据，这些数据也是非常敏感的。因此，隐私计算可以用于保护用户隐私。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技

隐私计算节点是隐私计算架构中承担数据处理、计算任务执行以及与其他节点交互协作等功能的关键单元。功能特点数据处理与存储：负责对本地的隐私数据进行加密、脱敏等预处理操作，并安全存储。在计算过程中，能够分析、加密运算等。通信与协作：与其他隐私计算节点进行安全通信，通过加密通道传输数据和计算指令。在多节点协作的场景中，能够按照预定的协议与其他节点进行交互，共同完成隐私计算任务。安全与隐私保护：内置多种安全机制用户提供隐私保护的计算服务。用户可以将敏感数据存储在云端，并在隐私计算节点上进行加密计算，确保数据在云端的处理过程中不被泄露。物联网与边缘计算：在物联网环境中，设备产生大量敏感数据。隐私计算节点可部署在高效地对加密数据进行读取、写入等操作，支持多种数据格式和存储方式。计算任务执行：具备强大的计算能力，可运行联邦学习、安全多方计算、同态加密等隐私计算算法，执行各种复杂的计算任务，如模型训练、数据，如身份认证、数据加密、访问控制等，确保节点自身以及所处理数据的安全性和隐私性。对数据的访问和使用进行严格的权限管理，防止数据泄露和非法访问。技术架构硬件层：通常基于高性能的服务器或专用计算设备构建

隐私计算正在成为当今数字时代中的一个热门话题。作为一种创新的数据处理方式，隐私计算能够在保护用户数据隐私的同时，实现数据的有效利用。星环科技就是隐私计算服务公司之一。星环科技分布式隐私计算平台-SophonP²C星环科技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困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据星河案例隐私计算优秀案例等多项认证和荣誉。随着隐私技术产品的技术能力和应用模式越发成熟，隐私计算将有助于构建数据流通的基础设施，在保证安全的前提下有效持续释放数据要素价值，促进数字经济高质量发展。流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文

隐私计算正在成为当今数字时代中的一个热门话题。作为一种创新的数据处理方式，隐私计算能够在保护用户数据隐私的同时，实现数据的有效利用。星环科技就是隐私计算服务公司之一。星环科技分布式隐私计算平台-SophonP²C星环科技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困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据星河案例隐私计算优秀案例等多项认证和荣誉。随着隐私技术产品的技术能力和应用模式越发成熟，隐私计算将有助于构建数据流通的基础设施，在保证安全的前提下有效持续释放数据要素价值，促进数字经济高质量发展。流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务民生场景，SophonP²C通过纵向联邦学习联合居民用电数据与用水数据，生成群租房预测名单。在联合建模过程中，全程明文

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据挖掘和病例分析。金融领域：隐私计算可以用于保护客户隐私和金融机构之间的数据共享。例如，可以利用安全多方计算技术完成多个机构之间的客户数据共享，而不会泄露客户隐私。人工智能：人工智能需要处理大量的数据，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算可以用来保护这些数据。例如，可以使用安全多方计算技术来合作分析人口和交通路线数据，以进行城市规划。电子商务：电子商务需要处理大量的用户购物数据，这些数据也是非常敏感的。因此，隐私计算可以用于保护用户隐私。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据挖掘和病例分析。金融领域：隐私计算可以用于保护客户隐私和金融机构之间的数据共享。例如，可以利用安全多方计算技术完成多个机构之间的客户数据共享，而不会泄露客户隐私。人工智能：人工智能需要处理大量的数据，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算可以用来保护这些数据。例如，可以使用安全多方计算技术来合作分析人口和交通路线数据，以进行城市规划。电子商务：电子商务需要处理大量的用户购物数据，这些数据也是非常敏感的。因此，隐私计算可以用于保护用户隐私。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技

隐私计算可以使用在多个应用场景中，以下是一些典型的隐私计算应用案例：医疗保健：医疗数据是非常敏感的，因此在医疗保健领域广泛应用隐私计算技术。例如，医院可以使用差分隐私技术保护患者隐私，同时进行数据挖掘和病例分析。金融领域：隐私计算可以用于保护客户隐私和金融机构之间的数据共享。例如，可以利用安全多方计算技术完成多个机构之间的客户数据共享，而不会泄露客户隐私。人工智能：人工智能需要处理大量的数据，包括敏感的个人数据。因此，隐私计算可以应用于保护用户隐私。例如，在训练模型时，可以使用差分隐私技术来保护用户数据。城市规划：城市规划需要处理大量的人口和交通数据，这些数据都是非常敏感的。因此，隐私计算可以用来保护这些数据。例如，可以使用安全多方计算技术来合作分析人口和交通路线数据，以进行城市规划。电子商务：电子商务需要处理大量的用户购物数据，这些数据也是非常敏感的。因此，隐私计算可以用于保护用户隐私。例如，在广告投放时可以使用差分隐私技术来保护用户数据隐私。隐私计算在医疗保健、金融、人工智能、城市规划和电子商务等领域都有广泛的应用，可以保证数据隐私和安全性，同时保证数据共享和分析的效果。星环科技

隐私计算是一种保证两个或多个数据提供方在不泄露敏感数据的前提下进行联合计算的技术和系统。在隐私计算的框架下，参与方的数据不出本地，各方能对密文数据进行分析计算并验证计算结果，保证在各个环节中数据可用不可见。隐私计算技术有多种常见的形式，包同态加密、安全多方计算和差分隐私等。同态加密技术能够在不暴露明文的情况下对密文进行计算，而安全多方计算可以保证在多个数据提供方之间进行计算而无需交换实际的数据，从而保护计算数据的隐私性。差分隐私技术则可以在不暴露个人信息的情况下对数据进行分析和共享。隐私计算技术的应用场景非常广泛，包括金融、医疗、电子商务、智能交通等领域。例如，在医疗领域中，隐私计算技术可以在多个医疗机构之间共享患者的医疗数据，而不会暴露个人隐私信息，从而提高医疗资源的利用效率。在电子商务领域中，隐私计算技术可以帮助商家进行用户行为分析，而不会泄露用户的人信息，从而提高商家的服务质量。隐私计算技术是保护个人隐私信息的有效手段，可以在不暴露个人信息的情况下进行数据计算和分析，为各个域的数据共享和应用带来便利。星环分布式隐私计算平台-SophonP²C星环分布式隐私计算平台SophonP

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...