文章
人工智能的安全隐患
ChatGPT的成功大部分来源于海量的数据支撑和丰富的数据维度，基于13亿参数量的庞大模型，随着用户的不断涌入，ChatGPT不断迭代进化新的“知识”，而在模型表达能力的增强之外，同时也带来了难以忽视的安全风险。除了模型本身可能存在的投毒风险，隐私数据泄露导致的数据重构等风险，都可能造成一定的社会及经济损失。
数据安全共享解决方案
在数字经济迅速发展的大背景下，如何能够利用安全、合规、有序的数据流通和共享手段，将本地数据共享给人工智能平台进行联合训练？
为提升模型学习与决策能力，隐私计算技术能够在保护数据本身不泄露的前提下，能够较好解决数据在收集、传输、分析、计算等处理活动中的动态安全，但实际应用中，仍存在技术应用成熟度低、应用实施改动大、权威机构认证少等痛点问题。
因此，同态科技围绕以同态加密为核心的一系列国产新型密码技术，在充分保护数据隐私安全的基础上，不改变原有业务流程，低成本、低改造地拓展数据应用场景。通过“一次加密，一次加载，全量应用”的新型数据流转模式，实现数据价值最大化，达成 “原始数据不出域，数据可用不可见”目的。
国产同态加密算法解决计算效率问题
同态加密技术，就是指数据加密之后，密文数据和未加密前的明文数据相比，具有完全一致的计算能力。目前对比市场上主流的同态加密技术，或多或少的有一些效率上的瓶颈。
Craig Gentry曾给出直观定义：“A way to delegate processing of your data, without giving away access to it”，通俗的讲，同态加密技术就是一种在不接触原始数据的情况下，实现对数据的应用。
同态科技自研的国产新型同态加密算法——“同态构型”算法有效解决了计算效率问题，大幅提升了密文计算性能。
CCA-2安全：自适应性选择密文安全，参考：https://www.cnblogs.com/pam-sh/p/15244862.html
在同一批数据相同运行环境下，与当下主流的同态加密算法库（微软SEAL）相比，实现了算法层面的速度提升1800倍以上，并在密文扩张、兼容性、细粒度、以及应用场景等方面均实现了较大提升，有效解决在当下数据融合过程中的隐私保护问题。
结合英特尔再度提升算法计算性能
SIMD技术通过对一组数据向量中的每个元素同时执行相同的操作，实现空间上的并行性。
在算法优化的基础上，大整数运算是“同态构型”算法中，性能提升的一大环节。同态科技联合英特尔，以AVX-512指令集为切入点，通过中国剩余定理压缩数据，再利用并行计算提升大整数的运算效率，形成大整体运算优化方案。
见论文：Fully homomorphic SIMD operations
英特尔® AVX-512作为SIMD技术的典型代表，利用32个512位长的向量寄存器，不但提升了并行计算的数据存量，还在算力部分进行了优化，更适配高性能计算场景下的效率需求，对于科学模拟、金融分析、人工智能、图像处理、数据压缩等，对工作负载和用例的性能较高的业务均提供了有力支撑。
最终实验结果表明，该方案和主流大整数库（GMP库）项目，加法效率提升了70倍，乘法效率提升了100倍，有望基于此进一步实现同态构型算法的性能提升。
技术
同态构型密码算法
同态构型密码算法设计不依赖传统的公钥全同态加密技术，基于离线状态下常数次(最优时一次)单向陷门J置换，在线状态下仅包含加法、乘法的对称全同态映射，实现密文域上高效的隐私计算。