年12月18日，由工信部直属的中国信息通信研究院和中国通信标准协会主办的数据资产管理大会在北京举行，信通院颁发了首批通过基于联邦学习的数据流通产品能力测评的证书。华控清交PrivPy多方计算平台成为了首批获得信通院联邦学习产品能力认证的产品，也是本次唯一一个全部通过所有测试单项的联邦学习产品。去年同期，华控清交PrivPy多方计算平台也是唯一一个全部通过信通院所有测试单项的多方安全计算产品。此次测试再次体现了该平台的通用性、安全性、高效性和可靠性。
联邦学习最早是由Google提出的一种机器学习模式，即通过一个中央服务器协调智能终端实现语言预测模型。在此过程中，各参与方的原始数据存储在本地，不进行交换或传输，只传输计算的中间结果用于聚合，以实现机器学习的目标。
然而，单纯的联邦学习尚未经过密码学界依据密码学理论的严密论证，一些研究已经发现其仍然存在隐私数据泄露的风险。华控清交基于PrivPy多方计算平台的联邦学习方案，有效的将联邦学习与多方安全计算相结合，从最底层数据层面实现了隐私保护，既满足了场景和性能需求，又增强了安全性，在金融风控、联合营销等需要建模预测的场景中具有广泛的应用。该方案在本地明文数据上执行机器学习和训练建模，对梯度等中间结果加密后进行聚合和交换，既可满足多方建模的需求、无梯度模型等中间结果泄漏，又能实现全局建模，进行密文聚合计算。相比于两方的局部建模，该方案突破数据分布不均匀、参与方贡献和受益不对等、性能差等关键问题，从而提升了联邦学习方法的可用性。
本次信通院设计的测试用例覆盖了调度管理能力、数据处理能力、算法能力、效果以及性能、安全性5个测试大类共34个测试单项。PrivPy多方计算平台能够全项通过联邦学习产品能力认证，充分体现了华控清交先进的产品设计理念和强大的工程化实力：
·通用架构：华控清交自主研发的PrivPy多方计算平台是通用性架构，具有强横向扩展、高性能并行计算以及明密文混合计算能力。一个平台一次应用开发即可同时兼容整合MPC、联邦学习、可信计算、差分隐私和数据脱敏等隐私保护技术，支持隐私查询、联合统计、联合建模和数据跨境等多种应用，极大程度上降低了隐私计算的开发和应用门槛。华控清交的联邦学习方案可轻松满足两方及以上的训练建模需求，支持横向纵向等联邦学习，实现多种建模算法。此次产品能力认证不仅测试了联邦学习基本的功能，还重点覆盖了多任务并发管理、合约管理和模型贡献等高难度测试项目，充分体现了PrivPy平台具备全流程的联邦学习方案和应用能力。
·性能高效：华控清交PrivPy多方计算平台封装了包含近个密文计算函数算法库。过去两年多来，华控清交致力于产品工程化，持续优化密文基础指令集和算法性能，提高密文计算效率，将密文计算耗费从原来明文计算的6个数量级降低到1-2个数量级。在本次耗时测试中，使用mnist数据集进行CNN建模场景下，PrivPy平台更是将密文计算时间优化到仅为明文计算的1.5倍。
·安全可靠：由于PrivPy多方计算平台在计算机指令集和编译器层面用加密运算替代明文运算，在底层实现了计算引擎密文化，从而能够从底层实现“数据可用不可见”，避免了各参与方数据泄露的风险。在华控清交的联邦学习方案中，PrivPy在本地对各参与方的梯度参数进行加密，加密后发送给计算引擎做聚合计算，最终的模型参数只有指定建模方才可以解密获取。此次测试中，PrivPy平台通过了算法、通信和系统等安全性的所有用例，全程安全可验证，测试结果显示日志、报文和算法描述三者完全一致。
华控清交产品开发负责人表示，“我们旨在打造一个All-In-One的隐私计算开发和运行平台。同一个平台支持联合查询、联合统计和联合建模；同一个平台支持多方安全计算、联邦学习、可信计算等多种隐私计算技术；同一个平台支持多种产品能力并可自主搭建软件和应用组件，可以满足多种用户多种应用需求。这，就是PrivPy多方计算平台。”
近年来，隐私计算技术快速发展，联邦学习产品能力的标准化测评和认证，标志着隐私计算行业的又一个重要里程碑。近日，由信通院牵头的隐私计算联盟成立，华控清交积极参与标准制定和各类研讨，成为隐私计算联盟创始骨干成员之一。未来，华控清交将继续秉持开放求实的态度，与合作伙伴、产业同仁、联盟组织等携手，推动隐私计算产业的发展，推进应用落地，共建健康有序的数据流通生态，为我们国家开发建设数据交易流通的基础设施，实现数据大规模的互联互通与融合利用，使数据真正成为社会化的生产要素。
联系电话：