国内做可信计算的公司

可信计算技术是一种通过在计算和通信系统中广泛使用基于硬件安全模块支持下的可信计算平台，以提高系统整体安全性的技术。可信计算技术的应用场景非常广泛，以下是一些常见的应用场景：数字版权管理：可信计算技术可以用于创建安全的数字版权管理系统，以防止数字内容被非法复制和分发。身份盗用保护：可信计算技术可以增强身份盗用保护措施，防止身份被盗用进行非法活动。保护系统不受病毒和间谍软件危害：通过使用可信计算技术，可以确保系统中的软件是完整的，没有被恶意软件篡改或注入。保护生物识别身份验证数据：可信计算技术可以保护生物识别身份验证数据的安全性，防止敏感信息被非法获取和使用。云环境安全：云环境需要更高的安全性，可信计算技术可以帮助提供更安全、更可信赖的云服务环境。数据安全存储和传输：通过可信计算技术，可以更安全地存储和传输敏感数据，防止数据被非法获取或篡改。虚拟专用网络：可信计算技术可以增强VPN的安全性，保护远程用户的数据传输安全。物联网安全：在物联网环境中，可信计算技术可以帮助保护各种设备和传感器的数据安全，以及确保数据的完整性和真实性。可信计算技术的应用场景非常广泛，可以在各种计算机系统中提供更高级别的安全性，保护数据和系统的完整性。

随着信息技术的不断发展，网络攻击和数据泄露等安全问题越来越突出，这对计算机系统的安全性和可信度提出了更高的要求。可信计算是一种基于硬件的安全技术，旨在确保计算机系统的完整性、保密性和可用性，为用户提供高度可信的安全保障。可信计算是一种基于硬件的安全技术，通过加密、数字签名、数字证书、随机数等手段，立起一个安全的计算环境，可以确保用户在使用计算机的过程中获得高度可信的保障，从而避免计机系统被黑客攻击、恶意软件侵入和数据泄露等全问题。可信计算广泛应用于金融、电子政务、大数据等领域。在金融领域，可信计算可以通过加密、数字签名等技术，确保投资、支付和交易等过程的安全和可信度。在电子政务领域，可信计算可以通过可信身份认证、加密和安全通信等手段，提高政府信息化服务的安全性和可信度。在大数据领域，可信计算可以加强大数据安全和隐私保护，提供更加可靠的数据安全保障。可信计算是一种基于硬件的安全技术，其核心中，可信计算可以加强云计算、金融、电子政务和大数据等领域的安全保障，有助于构建一个更加安全可靠的数字环境。

可信计算和隐私计算是两个在数据安全和隐私保护领域非常重要的概念，它们各自有不同的特点和应用场景。可信计算可信计算是一种确保计算机系统安全的技术，它通过验证软件和数据的完整性来防止恶意攻击。可信计算的核心目标之一是保证系统和应用的完整性，从而确定系统或软件运行在设计预期之内。它依赖于硬件和软件的结合，确保数据的安全和完整性。可信计算的应用可以确保数据源的正确性，提高大数据的质量，同时防止数据泄露等安全问题。它还可以应用于金融、医疗保健、物联网、供应链管理和政府服务等领域，保护数据安全、防止欺诈和数据泄露，提高系统的可信度和安全性。隐私计算隐私计算是一类技术方案，在处理和分析计算数据的过程中能既可以是同一机构的不同部门，也可以是不同的机构。隐私计算的技术体系包括安全多方计算、联邦学习、可信执行环境等。它在金融、政务、通信、互联网、医疗等行业有广泛的应用，可以在保持数据加密、不直接暴露客户信息的前提下，实现多个机构间的计算、分析。保持数据不透明、不泄露、无法被计算方法以及其他非授权方获取。它是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方

可信计算是在计算和通信系统中广泛使用基于硬件安全模块支持下的可信计算平台，以提高系统整体的安全性。可信计算平台能够保证计算资源的完整性、保密性和可用性，能够预防恶意软件侵入、诈骗、篡改和数据泄露等各种安全风险。可信计算平台还支持安全启动、防篡改可信应用程序的运行和数据加密等功能，能够为用户提供全面的数据保护和安全保障。同时，也能够对网络和云计算环境的安全性进行提升，以满足用户的安全需求。可信计算在金融、电子商务、政务、医疗等行业得到了广泛的应用。可信计算平台的实现需要依靠硬件、软件和标准的协同配合。硬件方面，需要使用可信执行环境提供的硬件安全模块，以保护数据和代码不被非法访问和篡改。软件方面，需要使用安全的操作系统和可信应用程序，从而使得整个系统构成完整的安全环境。标准方面，需要制定统一的安全标准和规范，以确保不同厂家和产品间的兼容性和可信度。可信计算平台的实现需要基于安全的硬件、软件和标准的有机结合，以提高计算和通信系统的整体安全性和可信度，从而满足网络安全需求，促进数字化和信息化的程。星环分布式隐私计算平台-SophonP²C星环分布式隐私计算平台SophonP²C集多方安全计算

多方安全计算（MPC）、联邦学习（FL）和可信计算（TC）各自在数据隐私保护领域具有不同的优势和局限性。以下是对这三种技术的优缺点进行详细对比：多方安全计算（MPC）优点：数据隐私保护：多方安全计算泄露的风险，需要采取相应的保密措施。可信计算（TC）优点：安全计算环境：可信计算通过构建安全硬件和软件环境，为应用程序提供安全的执行环境，降低行业准入门槛。完整性保护：TC能够确保数据的完整性和真实性，防止数据在传输或存储过程中被篡改。缺点：硬件依赖：可信计算高度依赖于硬件厂商的诚信和安全性。如果硬件厂商不可信或存在安全漏洞，TC的安全性将受到严重影响。成本问题：由于需要采用特殊的硬件和软件技术来实现可信计算，可能会增加系统的成本和复杂性。能够从理论上保证数据在计算过程中的可用性和不可见性，即参与方可以在不暴露原始数据的情况下共同进行计算。灵活性：MPC适用于多种计算场景，包括线性计算和非线性计算，为数据隐私保护提供了丰富的手段。缺点：计算性能：由于MPC涉及复杂的加密和计算协议，对算力要求较高，计算性能往往低于明文计算。通信开销：MPC通常需要多轮通信来协调不同参与方的计算过程，可能导致较高的通信开销。联邦学习（FL）优点：数据

星环科技是国内一家专业的隐私计算公司，致力于为企业提供安全可靠的数据隐私保护解决方案。星环科技分布式隐私计算平台SophonP²C星环科技分布式隐私计算平台SophonP²C集多方安全计算、联邦学习据量，助力数据要素安全流通和价值迸发，实现数字经济时代下的跨企业和行业的AI协作。星环科技的隐私计算技术已落地如数据流通、政务民生、金融营销等垂直业务场景，为跨企业数据协作提供安全可信的平台支持。在政务等多种功能，为隐私计算提供完整的解决方案，以隐私保护为前提，解决了跨组织协作时无法安全利用各方数据的困境。平台支持联邦学习、多方安全计算、匿踪查询等功能；性能方面，联邦学习与多方安全计算可达亿级数曾获信通院多方安全计算性能专项测评证书、联邦学习基础能力专项测评证书、卓信大数据联邦学习安全评估专项证书，以及信通院星河案例隐私计算优秀案例等多项认证和荣誉。随着数据隐私保护意识的不断增强和隐私法规的完善，隐私计算将成为未来数据处理的重要方式。星环科技在隐私计算领域将继续发挥重要作用，为用户和企业提供更加安全可靠的数据隐私保护服务。

TranswarpSophonP²C隐私计算平台的可信计算、隐私计算技术近年来在城市AI公共服务、水电融合的群租房分析、金融风控、精准营销等场景都落地应用。案例一：城市人工智能公共服务平台某城TranswarpNavier，帮助该市构建面向中小企业的可信计算平台，其中，隐私计算平台SophonP²C、数据沙箱TranswarpSandbox、数据商城Datamall、数据安全管理平台，造成不必要的排查人员投入。因此电网公司和水务部门合作，基于星环科技的隐私计算平台SophonP²C，采用联邦学习的方式，共同构建群租房识别精准模型。识别准确率从单一用电数据的73.49%提升至水电TranswarpDefensor等产品提供了数据分类、个人信息去标识化、安全审计等功能，实现供需双方的隐私保护。该平台还将隐私计算、人工智能基础服务、区块链存证和数据安全相结合，在城市级超算平台上部署，实现资源调度和算力弹性伸缩。目前已投入生产环境，未来有望成为数据交易的支撑平台。城市人工智能公共服务平台架构图案例二：零售领域联合支付机构的智能营销解决方案在隐私保护监管日趋严格的当下，基于隐私计算确保双方数据安全

、保险公司、可穿戴设备厂商等多源数据，利用隐私计算技术进行分析，可以实现对疾病的早期预测和个性化的健康管理。（三）政务服务：智慧决策的安全基石在政务服务领域，可信隐私计算技术为智慧城市建设、民生政策从数据困境突围：可信隐私计算的崛起与展望可信隐私计算：解锁数据新姿势可信隐私计算，是一种融合了密码学、安全多方计算、联邦学习、可信执行环境等多种技术的新兴计算模式。它的核心目标是在不暴露原始数据的：可信隐私计算的舞台（一）金融领域：风险防控的新护盾在金融领域，数据安全关乎着金融机构的稳定运营以及客户的切身利益。可信隐私计算技术的应用，为金融机构的风险防控带来了全新的解决方案。在信贷审批环节，传统的信贷审批主要依赖于金融机构自身掌握的客户数据，如收入情况、信用记录等。然而，这些数据往往存在局限性，难以全面评估客户的信用风险。通过可信隐私计算技术，金融机构可以联合其他金融机构、电商平台、电信运营商等多数据源，在保护各方数据隐私的前提下，对客户的信用状况进行更全面、准确的评估。在反欺诈领域，可信隐私计算技术同样发挥着重要作用。随着金融欺诈手段的日益复杂多样，单一金融机构仅凭自身的数据难以全面

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...