搜索
大数据中国 首页 行业资讯 业界动态 查看内容
国内首次!腾讯Angel PowerFL联队实现iDASH隐私计算大赛“三连冠”
2022-12-9 19:25 | 查看: 2299| 评论: 0

12月9日,2022年iDASH国际隐私计算大赛结果正式公布,腾讯Angel PowerFL联队凭借最优的模型效果和较快的推理速度获得最高综合得分,斩获同态加密赛道冠军。从两年前首次参赛到现在,腾讯已经连续获得2020年可信计算赛道冠军和2021年联邦学习赛道冠军,赢得了iDASH隐私计算大赛“三连冠”,这在国内尚属首次!

同时,在多方安全计算(MPC)赛道和可信计算(SGX)赛道上,腾讯Angel PowerFL联队也分别取得了第二和第三的好成绩。

历年来,同态加密赛道一直是iDASH比赛中最受关注和角逐最激烈的赛道。今年iDASH同态加密赛道题目是安全模型推理,要求参赛队训练机器学习模型,通过基因型(genotype)数据预测显型特征(phenotypes),共有五个预测任务,包括三个回归任务和两个分类任务。主要挑战是要求模型参数和测试数据都要加密保护,模型推理需要在密文下完成。

针对五个预测任务,腾讯Angel PowerFL联队在iDASH公开的数据集上分别训练了三个线性回归模型和两个逻辑回归模型,获得了接近满分的模型效果指标。在进行安全模型推理时,利用CKKS同态加密算法加密五个线性模型的参数和待测试数据矩阵,在密文下完成模型推理,并通过优化密文矩阵和密文向量乘法获得了单线程下最优的模型推理速度。

据了解,今年iDASH同态加密赛道吸引了来自世界各地的30多个顶级团队报名参与竞逐,包括来自耶鲁大学、EPFL、浙江大学、Intel、蚂蚁集团、字节跳动等机构的参赛团队。其中,有23个参赛团队提交了技术方案和实现代码,获得了有效的比赛成绩。腾讯Angel PowerFL提出了多个创新性的解决方案,并最终在安全模型推理结果和推理速度上获得最高综合得分。

今年iDASH多方安全计算赛道题目是安全记录关联,要求参赛队在两个数据库中安全的关联属于同一个病人的记录,主要挑战是病人记录信息可能有缺失和错误,且不能泄露任何病人信息。腾讯Angel PowerFL联队创新的提出了基于机器学习的解决方案,在iDASH公开的数据上训练了逻辑回归模型,并基于电路隐私求交(Circuit-PSI)与混淆交换网络(Oblivious Switching Network)实现了全匿踪模型推理,获得了最高的准确率。腾讯提出的解决方案适用性广,可应用在金融、政务等场景中。

此外,今年iDASH可信计算赛道题目是根据细胞基因片段分布的相似性对细胞进行安全聚类,主要挑战是要在多个Intel SGX Enclave环境内实现分布式安全聚类解决方案。腾讯Angel PowerFL联队提出的基于消息队列(Message Queue)构建分布式解决方案是所有获奖队伍中唯一一个可以在多机上运行的方案,是真正的分布式解决方案,具有很好的扩展性,支持海量数据计算,可应用于生产环境下基于SGX的大规模分布式可信计算。

iDASH比赛是目前隐私计算领域国际上最权威的比赛,至今已经举办九届,是由美国国立卫生研究院 (NIH) 主办,专注于隐私计算和面向隐私保护的机器学习问题,已成为全球基因组数据隐私保护和安全共享领域最高规格的国际竞赛。

今年的腾讯Angel PowerFL联队汇聚了来自腾讯大数据、腾讯安全、腾讯计费、腾讯云、腾讯广告AI、华中科技大学的密码学、隐私计算、大数据和机器学习领域的技术专家。腾讯Angel PowerFL隐私计算团队是国内较早开展隐私计算与联邦学习技术研究和应用的团队,在大数据、分布式计算、分布式机器学习、分布式消息中间件、多方安全计算、应用密码学等领域都有丰富的研发和应用经验,已发表近10篇隐私计算研究论文,提交了60多件隐私计算技术发明专利申请,有多个商用隐私计算和联邦学习的平台产品目前已经通过腾讯云对外开放。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-4-13 04:08 , Processed in 0.065928 second(s), 23 queries .

返回顶部