Sophon P²C

星环隐私计算平台

数据流通

隐私保护

打破数据孤岛

横向联邦

纵向联邦

产品简介

Sophon P²C作为一款隐私计算平台，可在密文空间中，支持多参与方或多计算节点之间开展高效率的数据分析、建模和模型发布，达到数据不动模型动、数据可用不可见的效果。

Sophon P²C支持同态加密、差分隐私、不经意传输和可信计算等隐私计算技术，支持横向、纵向和迁移学习等多种模式。

Sophon P²C能提供什么？

基于密码学保障的分布式隐私计算技术

使用了差分隐私、同态加密、掩码技术、不经意传输的隐私计算技术和可信计算技术，结合公司高性能的分布式算法，可以在海量密文数据上运行分布式机器学习算法，实现“原始数据不动模型动”、“数据可用不可见”的效果

适应各场景的自定义任务角色

Sophon P²C支持用户根据自身业务场景数据情况选择横向或纵向联邦建模任务，并能自定义联邦任务中的主动方、参与方、协调方、模型使用方等，完成任务角色配置，让用户能够更大效率地配置其数据资产

图形化的向导式配置任务

Sophon P²C提供联邦任务向导式配置服务，支持：联邦数据预处理、联邦特征工程、模型参数配置等流程的向导式图形化配置，有效降低用户学习成本

丰富的联邦特征工程

Sophon P²C平台中内置了丰富的联邦特征工程算法，如：联邦缺失值填充、联邦字符串索引、联邦标准化与联邦归一化等，能够在保障数据在不出本地的情况下，联合各方数据进行联邦数据清洗及联邦特征工程，为后续联邦建模提供保障

强大的联邦建模

Sophon P²C支持横向及纵向的逻辑回归、线性回归、K均值等常用统计分析和机器学习算法，并针对隐私计算中的数据分布不一致问题，对多种场景和算法提供了个性化隐私计算算法的适配和改造

多样的联邦数据和模型评估

支持输出丰富的数据质量和算法模型评价指标，帮助用户确定联邦数据质量和模型在制定场景下的业务效果，实现联邦意义下各方特征质量和重要性的度量、各方数据贡献度和模型效果的有效量化

为什么选择Sophon P²C？

权威化的

数据安全认证

Sophon P²C是国内首批通过信通院资质认证的隐私计算平台，并且通过信通院“卓信大数据计划”安全专项评估认证，支持多方在数据隐私保护的前提下进行AI协作；同时，其研发团队深度参与隐私计算行业标准的撰写，充分理解行业场景，并借助权威认证的平台服务，在满足用户具体需求的同时，切实保障其数据安全

多元化的

计算框架提供

Sophon P²C支持横向联邦、纵向联邦及联邦迁移等多种场景，也支持自研Sophon、Spark以及Tensorflow、PyTorch等深度学习框架，并提供专家级应用服务，能够满足企业多种垂直应用场景下的AI需求，有效降低企业决策成本

个性化的

隐私计算建模

Sophon P²C在各参与方数据不互通的情况下，就能完成联合建模，实现数据不动模型动的效果，从而避免数据泄露；同时其提供的个性化隐私计算建模服务，能够针对本地数据和联邦模型进行微调，进一步提升联邦模型性能

良好稳健

与灵活的系统

Sophon P²C拥有良好的系统稳健性，能够有效应对非恶意性错误和显式攻击，进一步保障联邦模型的安全；同时，其系统部署非常灵活，能支持实体部署、容器部署、云上部署等多种方式，有效降低企业AI协作所需的人力成本，真正意义上实现降本增效

权威化的数据安全认证

Sophon P²C是国内首批通过信通院资质认证的隐私计算平台，并且通过信通院“卓信大数据计划”安全专项评估认证，支持多方在数据隐私保护的前提下进行AI协作；同时，其研发团队深度参与隐私计算行业标准的撰写，充分理解行业场景，并借助权威认证的平台服务，在满足用户具体需求的同时，切实保障其数据安全
多元化的计算框架提供

Sophon P²C支持横向联邦、纵向联邦及联邦迁移等多种场景，也支持自研Sophon、Spark以及Tensorflow、PyTorch等深度学习框架，并提供专家级应用服务，能够满足企业多种垂直应用场景下的AI需求，有效降低企业决策成本
个性化的隐私计算建模

Sophon P²C在各参与方数据不互通的情况下，就能完成联合建模，实现数据不动模型动的效果，从而避免数据泄露；同时其提供的个性化隐私计算建模服务，能够针对本地数据和联邦模型进行微调，进一步提升联邦模型性能
良好稳健与灵活的系统

Sophon P²C拥有良好的系统稳健性，能够有效应对非恶意性错误和显式攻击，进一步保障联邦模型的安全；同时，其系统部署非常灵活，能支持实体部署、容器部署、云上部署等多种方式，有效降低企业AI协作所需的人力成本，真正意义上实现降本增效