在前边两篇文章中,介绍了数据要素和可信流通相关的内容,以及基于p2p模式的安装方法
关于在Linux上部署 SecretFlow --- P2P部署模式
由于安装过程中出现意外报错,现已提交issue等待官方技术人员查阅,后续将更新该部分。
本篇文章将介绍隐语的架构,学习资料来源于隐语实训平台
文章为学习笔记,侵权可联系作者删除
目录
3.4 TEEU - Trusted Enextution Environment Unit
一、隐语架构图
分层的架构设计,为不同层上的开发人员提供了更好的发挥空间
二、架构拆解
1、 产品
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。
1.1 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
1.2 实际产品
2、算法
2.1 PSI / PIR
高性能、轻量化、易用的PSI/PIR专用协议模块
PSl(Private Set Intesection): PSI是一种特殊的安全多方计算(MPC)协议。
假设Alice持有信息集合X,Bob持有信息集合Y,Alice和Bob通过执行PSI协议,可以得到交集结果XnY。同时A和B在这个过程中,除交集XnY外不会泄漏其它任何信息。
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
用户可以查询到数据,进行一系列操作,但不能直接查看数据的实际内容,更好的保证服务端的数据安全
2.2 Data Analysis - SCQL
Secure Collaborative Query Language
屏蔽底层安全计算协议的复杂性,以简单熟悉的 SQL语言界面,提供多方数据密态分析能力
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。
2.3 Federated Learning - 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,SplitLearning)。
具备安全攻防保障的明密文混合机器学习框架和算法。
3、计算
3.1 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。
现在已经成为ray的孵化项目,之后会当初拆出来学习该部分
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。
官方地址:https://github.com/ray-project/rayfed
3.2 SPU (Secure Process Unit)
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。
3.3 HEU
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
3.4 TEEU - Trusted Enextution Environment Unit
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。
3.5 密码原语 - YACL
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。
4. 资源 - Kuscia
Kuscia包含:数据管理、网络管理、计算资源管理、应用管理
Kuscia能够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。
5. 互联互通
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。
6.跨域管控
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。
6.1 三权分置
数据要素“三权”在数据流转过程中诞生与流转数据要素“三权”权益的机制保障核心是数据加工使用权跨域管控。
三、总结
隐语具有特点:分层易集成、支持二开定制、开放的 API接口、大规模生产能力