近日，蚂蚁数科在全球信息安全领域引发关注，凭借其新推出的隐私保护 AI 训练框架——Gibbon，再次展示了其在隐私计算技术方面的领先地位。该框架的推出，标志着在跨机构联合建模中，解决数据隐私与高效计算之间的矛盾取得了重大进展。
此次蚂蚁数科的研究成果已被国际知名会议 ACMCCS 和 IEEETDSC 相继收录，表明其技术的前沿性与实用性。其中，Gibbon 框架的创新性安全两方训练方式，使得传统的梯度提升决策树 （GBDT） 模型的训练速度提升了 2 到 4 倍，这一成果在安全性上也超越了当前主流的多方安全计算 (MPC) 技术。
在推理阶段，蚂蚁数科还推出了基于同态查找表的隐私保护决策图推理技术，进一步推动了 GBDT、决策树等模型的隐私保护能力。该技术实现了推理效率提升 2 到 3 个数量级，极大增强了在数据隐私保护前提下的计算效率。
在当今数据安全面临巨大挑战的背景下，蚂蚁数科的这一系列创新成果，标志着其在隐私保护人工智能技术上的持续突破。其应用场景覆盖金融、营销等多个行业，为各类企业提供高安全、高性能的隐私计算解决方案。
不仅如此，蚂蚁数科还构建了一个多元化的隐私计算产品矩阵，包括可信数据流通平台 FAIR、隐私计算解决方案摩斯 （Morse） 等，为各行各业的数据协作提供了全方位的支持。随着隐私保护技术的不断演进，蚂蚁数科无疑将在未来的隐私计算领域继续引领潮流。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
