7月4日，蚂蚁集团宣布面向全球开发者正式开源可信隐私计算框架“隐语”。隐语是蚂蚁集团历时6年自主研发，以安全、开放为核心设计理念打造的可信隐私计算技术框架，涵盖了当前几乎所有主流隐私计算技术。据介绍，隐语内置MPC、TEE、同态等多种密态计算虚拟设备，提供多类联邦学习算法和差分隐私机制。通过分层设计和开箱即用的隐私保护数据分析、机器学习等功能，有效降低了开发者应用的技术门槛，能助力隐私计算应用于AI、数据分析等领域，解决隐私保护和数据孤岛等行业痛点。经过蚂蚁集团大规模业务以及外部金融、医疗等场景的成功应用，隐语兼顾了安全和性能。在发布会中，蚂蚁集团介绍了隐语的诸多特性。我们需要怎样的隐私计算开
小伙伴们，📢「隐语开源一周年Meetup」即将来袭！🎉在一周年Meetup上，不仅会对隐语1.0版本进行详解，还有新鲜出炉的隐语MVP部署体验包，让你秒变高手！更有机会与隐私计算行业的大佬们面对面交流，探讨技术前沿、畅想未来。🚀一起来看看剧透吧～本次一周年Meetup，由隐语开源社区发起，在上海市科学技术协会的指导下，联合上海金融科技产业联盟、上海开源信息技术协会共同主办，获得了中国信通院云计算与大数据研究所、隐私计算联盟的广泛支持。现特邀广大关注数据要素和隐私计算的兴趣人士、用户、开发者7月22日在上海相聚。详细的议程及参会报名见下图~本场内容亮点隐语开源一周年的契机也迎来了隐语1.0版本发
3月29日，“隐语开源社区开放日”活动顺利举办。当天隐语社区正式开源SCQL引擎，在工业界首次实现了隐私数据从Al到BI分析，是隐语走向易用的重要一步！下文为隐语框架负责人王磊在活动现场的分享内容。我们知道，在隐私计算目前应用较多的场景中，无论是风控场景的LR、XGB，还是营销场景的DNN等，都是围绕着AI在进行。BI领域其实做的并不多。这背后是怎样的原因？我个人认为，是因为AI对数据的需求非常强，当头部公司已经将内部数据价值挖掘到一定程度时候，他们非常迫切地需求引入外部数据，共同联合数据进行融合计算。同时，由于隐私计算又是一项门槛较高的技术，头部AI企业其本身技术能力也较强，所以使得隐私计算
基础推荐模型——传送门：推荐系统|基础推荐模型|协同过滤|UserCF与ItemCF的Python实现及优化推荐系统|基础推荐模型|矩阵分解模型|隐语义模型|PyTorch实现推荐系统|基础推荐模型|逻辑回归模型|LS-PLM|PyTorch实现推荐系统|基础推荐模型|特征交叉|FM|FFM|PyTorch实现推荐系统|基础推荐模型|GBDT+LR模型|Python实现文章目录一、矩阵分解模型1.矩阵分解算法的原理2.矩阵分解的求解过程3.消除用户和物品打分偏差4.矩阵分解的优点和局限性二、矩阵分解的PyTorch实现1.自定义数据集2.自定义MF模型3.训练与测试一、矩阵分解模型 为了使协
大模型的兴起，让数据作为新型生产要素的重要性被再一次深刻认知，而隐私计算作为平衡数据利用和数据安全的重要路径，学术价值和应用价值进一步凸显。近年来，在政策驱动和市场需求的双重作用下，隐私计算技术和产业稳步发展，在金融、通信、互联网、政务、医疗等诸多领域得到应用。但整体看，由于技术门槛和建设成本等问题，真正规模化的生产落地应用有，但数量非常少。3月29日，首届隐语开源社区开放日上，隐语SecretFlow开源框架发布了新版本，推出了一项业界期待的重要功能——多方安全数据分析系统SCQL（SecureCollaborativeQueryLanguage）。这是业内首个把SQL做到多方安全计算（MP
大模型的兴起，让数据作为新型生产要素的重要性被再一次深刻认知，而隐私计算作为平衡数据利用和数据安全的重要路径，学术价值和应用价值进一步凸显。近年来，在政策驱动和市场需求的双重作用下，隐私计算技术和产业稳步发展，在金融、通信、互联网、政务、医疗等诸多领域得到应用。但整体看，由于技术门槛和建设成本等问题，真正规模化的生产落地应用有，但数量非常少。3月29日，首届隐语开源社区开放日上，隐语SecretFlow开源框架发布了新版本，推出了一项业界期待的重要功能——多方安全数据分析系统SCQL（SecureCollaborativeQueryLanguage）。这是业内首个把SQL做到多方安全计算（MP
本文首发于微信公众号：隐语的小剧场一、“隐语”架构设计全貌1.隐语框架设计思想隐私计算是一个新兴的跨学科领域，涉及密码学、机器学习、数据库、硬件等多个领域。根据过去几年的实践经验，我们发现隐私计算技术方向多样，不同场景下有其各自更为合适的技术解决方案隐私计算学习曲线很高，非隐私计算背景的用户使用困难隐私计算涉及领域众多，需要领域专家共同协作隐语的设计目标是使得数据科学家和机器学习开发者可以非常容易地使用隐私计算技术进行数据分析和机器学习建模，而无需了解底层技术细节。为达到这个目标，隐语提供了一层设备抽象，将多方安全计算(MPC)、同态加密(HE)和可信执行环境(TEE)等隐私计算技术抽象为密文
本文首发于微信公众号：隐语的小剧场一、“隐语”架构设计全貌1.隐语框架设计思想隐私计算是一个新兴的跨学科领域，涉及密码学、机器学习、数据库、硬件等多个领域。根据过去几年的实践经验，我们发现隐私计算技术方向多样，不同场景下有其各自更为合适的技术解决方案隐私计算学习曲线很高，非隐私计算背景的用户使用困难隐私计算涉及领域众多，需要领域专家共同协作隐语的设计目标是使得数据科学家和机器学习开发者可以非常容易地使用隐私计算技术进行数据分析和机器学习建模，而无需了解底层技术细节。为达到这个目标，隐语提供了一层设备抽象，将多方安全计算(MPC)、同态加密(HE)和可信执行环境(TEE)等隐私计算技术抽象为密文
每段征程，都离不开先行者的探索。极速前行的数智时代，作为促进数据要素价值安全流通未来技术基础设施——隐私计算的建设者之一，「隐语」开源框架为了能在技术的通用、安全、普惠中肩负起更大的责任，不断探索通过多种形式凝聚技术合力完善隐私计算开源生态。社区伙伴与广大朋友的支持和关注，鞭策着隐语开源社区更深度的思考、更长远的规划，也给予了隐语开源社区承担起更多生态责任、技术责任的勇气。2023年3月29日，隐语开源社区将携手中国信通院云计算与大数据研究所、深圳国家金融科技测评中心、机器之心、隐私计算联盟开源工作组和开源中国共同举办「2023隐语开源社区开放日」，邀请隐私计算各界代表齐聚北京·798机遇空间
每段征程，都离不开先行者的探索。极速前行的数智时代，作为促进数据要素价值安全流通未来技术基础设施——隐私计算的建设者之一，「隐语」开源框架为了能在技术的通用、安全、普惠中肩负起更大的责任，不断探索通过多种形式凝聚技术合力完善隐私计算开源生态。社区伙伴与广大朋友的支持和关注，鞭策着隐语开源社区更深度的思考、更长远的规划，也给予了隐语开源社区承担起更多生态责任、技术责任的勇气。2023年3月29日，隐语开源社区将携手中国信通院云计算与大数据研究所、深圳国家金融科技测评中心、机器之心、隐私计算联盟开源工作组和开源中国共同举办「2023隐语开源社区开放日」，邀请隐私计算各界代表齐聚北京·798机遇空间
