隐私计算框架的架构和技术要点
目录
01隐语架构一览
02隐语架构拆解
03结语
隐语产品
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。
人群画像：
作为隐语的直观入口，隐私保护计算从业者均应该关注
隐私保护，计算，集成商，隐私保护，产品人员，计算，需求方，开发人员，研究人员
产品层：黑屏 CLI，白屏组件DAG画布，白屏Notebook IDE
SecretPad ：
轻量化安装，快速验证 POC ，可定制集成
多部署形态：中心模式，P2P模式（计划）
全栈产品：MPC ，TEE ， SCQL
SecretNote ：Notebook 形式，交互式建模，多节点一站式 管理和交互，运行状态跟踪
算法层：
PSI/PIR：
PSI ( Private Set Intesection )
一种特殊的安全多方计算（ MPC ）协议
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
Data Analysis - 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：人群画像，数据分析，数据分析
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（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
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。
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。SPU
核心特性：
原生对接主流 AI 前端，
支持丰富的机器学习算法，
带隐私保护语义的中间表示语言 ，
基于 MLIR 的加密计算编译优化 ，
高性能 MPC 协议虚拟机，
多种数据并行，指令并行优化
丰富的 MPC 协议，适配各种场景
支持协议扩展，支持异构设备接入
HEU
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TEEU
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。
YACL
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。KUSCIA
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。
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。
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。
