InfoQ 获悉，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。
据悉，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。
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。
InfoQ高级技术编辑
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论