「2022 隐私计算 HACKATHON 大赛」是由 OpenMPC 和 CSDN 联合主办的围绕隐私计算技术的创意性大赛！本次大赛吸引了国内外知名院校及企事业单位的众多参赛队伍报名角逐。比赛历时数月，经过评审组会严格评测，十五组参赛队伍从中脱颖而出，斩获殊荣。由于之前已经公示过获奖队伍了，这里就在不再赘述啦！今天只聊项目和源码。
本着开源共建、公平透明的原则，经过和获奖者友好沟通和协商后，我们一致决定将参赛的源码 / PPT / 方案，通过 Pull request（PR）的方式贡献到 PrimiHub 开源社区。
我们希望能够通过开源的方式，诚邀广大隐私计算爱好者、从业者、极客加入我们，一起优化参赛代码、完善方案、反馈问题。PrimiHub 开源社区愿同获奖团队一道借助开源的力量，促进隐私计算技术的攻关和创新，加速隐私计算技术与行业应用场景的深度融合。
小编看到这么多优秀的项目，实在没忍住想要和大家分享一下大赛的成果，所以在忙着联系多方推进发奖事宜的间隙，整理出此文。下面，就让我们一起走进这些参赛项目吧！
MeteorLib
- 作品：高效的安全多方计算数理统计算子库
- 团队：MPCers
- 奖项：一等奖
众所周知，安全的多方计算可以有效保证多方数据可用且不可见，从而可以有效保护隐私数据。然而，现有的安全计算解决方案价格昂贵，难以在大数据规模中应用。
MeteorLib 是基于 Meteor 实现的一个高效安全的多方计算数理统计算子库，它能够有效地降低参与者的在线开销，设计来源于论文 eprint/2023/100（https://eprint.iacr.org/2023/100）。
源码：https://github.com/primihub/hackathon/blob/master/winning-project/MeteorLib/README.md
ZKLBS
- 作品：基于零知识的位置证明
- 团队：SIF
- 奖项：二等奖
随着，精确定位技术的发展，越来越多的基于位置的服务（LBS）改善了人们的生活。但大多数 LBS 都需要位置证明（PoL）来证明用户满足服务要求，从而暴露了用户的隐私。
为了解决个人位置信息泄露可能带来的问题，依据零知识位置证明（zk-PoL）协议，诞生了 ZKLBS 零知识证明项目。它可以在只提供经纬度坐标作为公开参数的情况下，确保参与评价的用户的确抵达过该景区或商家，适用于景区、商家评价、特定地区消费券领取等场景。
源码：https://github.com/primihub/hackathon/blob/master/winning-project/ZKLBS/README.md
ABY-PPLP
- 作品：隐私保护距离计算与近邻检测协议及应用
- 团队：ABY
- 奖项：二等奖
位置服务应用提供商要求用户提交精准的位置信息来获取较好的用户体验。然而，用户在获取极大便利的同时也将位置信息完全脱管，易被恶意应用服务提供商追踪。
在位置保护与位置服务的双重需求驱动下，ABY-PPLP 综合了位置隐私、交互轮次、通讯开销、后量子安全等影响因素，使用（全）同态加密、布隆过滤器等隐私增强等技术，实现了低交互、低延迟、后量子安全的目标。该技术能够解决密切接触者追踪问题的同时关注用户隐私数据泄露的痛点，具有较好的面向位置保护的隐私距离计算功能，拥有广阔的海内外市场。
源码：https://github.com/primihub/hackathon/blob/master/winning-project/ABY/README.md
HECTR
- 作品：(Leveled) Homomorphic Encrypted Model Predictive Control
- 团队：OChicken
- 奖项：三等奖
该项目实现了一个加密的模型预测控制。作者把该问题的核心提炼和化简为密态的矩阵矢量乘，其中矩阵跟模型参数有关，矢量是当前的状态和控制，相乘的结果是下一时刻的最优控制。作者使用自研的同态加密库 GPQHE 和加密控制库 HECTR 验证了非加密控制和加密控制的结果的一致性。
Ray-PSI
- 作品：大规模数据高性能分布式 PSI
- 团队：隐私计算扛把子
- 奖项：三等奖
隐私集合求交（PSI）是联邦建模的前提，在大规模数据场景下（如电商按日进行百亿级数据的求交和训练），对 PSI 的性能有着很高的要求，需对PSI进行横向分布式扩展解决单机的性能瓶颈。本产品结合 Ray 和 PSI，有效解决了在分布式数据处理中不必要的数据落盘、保证两侧数据拆分的一致性面临的难题，大幅提升了PSI的分布式改造开发效率，极大降低PSI耗时。
源码：https://github.com/primihub/hackathon/blob/master/winning-project/ray_psi/README.md
PPT
- 作品：transformer 隐私保护推理
- 团队：wlss
- 奖项：三等奖
近年来，transformer 神经网络凭借其优秀的设计脱颖而出，被各平台结合应用到自己的模型中，如 BERT、ViT 和 GPT 等。为了得到相应服务，用户与平台的交互会导致两方隐私的泄露。
该项目针对不同的安全性需求，分别基于同态加密和安全多方计算设计并实现了两种 transformer 安全两方推理方案。
-
基于同态加密的 transformer 安全两方推理：在保证服务端不获取任何客户端隐私的前提下，为客户端提供等效服务；
-
基于安全多方计算的 transformer 安全两方推理：在同时满足服务端模型参数和客户端隐私数据安全需求的前提下，为客户端提供高效在线服务；
源码：https://github.com/primihub/hackathon/blob/master/winning-project/PPT/README.md
最后
由于篇幅有限这里就不一一介绍了，下面是所有获奖项目的汇总地址，感兴趣的小伙伴可以自行查看。
出来的时间有点长了，我要闪现回去搬砖了。最后的最后，如果你觉得这些项目还不错就点个 Star 支持一下吧，你的鼓励对我们很重要！❤️