摘要：本文系统阐述了数据要素三权分置(数据资源持有权、数据加工使用权、数据产品经营权)的概念框架及其在数字经济中的重要性。针对数据流通中的使用权跨域管控难题，介绍了基于TEE技术的TrustFlow系统，该系统通过信任可验证、计算可隔离、授权可管控三大特性，为数据要素流通提供端到端安全保障。文章还梳理了我国数据要素市场化配置的政策演进，探讨了技术手段如何与法律法规协同保障数据安全流通。最后附录提供

本文探讨了联邦学习中的Non-IID问题及其解决方案。Non-IID数据分布会影响模型聚合效果，导致性能下降。文章分析了Non-IID的影响，并提出三类优化方法：1）数据优化，通过共享部分数据平衡分布但存在隐私风险；2）模型更新优化，改进客户端模型更新和聚合算法；3）模型训练优化，如FedProx通过正则化减少模型差异。这些方法旨在提升Non-IID场景下的联邦学习效果，同时保护数据隐私。最后文章

本文探讨了联邦学习中的通信优化方法，重点分析了减少传输数据量的两类技术：基于客户端（减少参与聚合的客户端数量）和基于模型（压缩单个客户端上传数据）。前者包括异步更新、客户端采样等，后者涵盖矩阵分解、模型稀疏化、量化等混合方法。作者团队在医疗场景实践中，通过Topk稀疏算法将通信量压缩至1/10而不损失模型精度。文章指出通信压缩对提升训练效率和业务落地具有重要意义，未来将探索更高效的优化算法。

摘要：本文解读了CVPR2022论文《Auditing Privacy Defenses in Federated Learning via Generative Gradient Leakage》，研究联邦学习(FL)中的隐私保护问题。虽然FL通过不交换原始数据来保护隐私，但研究发现梯度信息仍可能导致数据泄露。论文提出生成性梯度泄漏(GGL)方法，利用GAN的潜在空间作为先验信息，结合无梯度优化

当三秋桂子遇见分布式计算，当十里荷花碰撞微服务架构，这座被马可波罗誉为"世界最美丽华贵之天城"的数字经济之城，即将迎来一场重量级技术盛宴。本次活动，，将亮相这场技术盛宴，与生态伙伴共探如何通过云原生技术栈重构隐私计算基础设施。今年这场由两大社区联合发起的开创性融合盛会，标志着云计算领域两大核心基础设施技术的深度协作与创新。它不仅充分展现开源社区的开放精神和跨社区协作的强大力量，更将共同推动 AI

摘要 本教程介绍如何通过点对点组网模式在多台机器上部署Kuscia集群。主要步骤包括： 节点部署：分别在两台机器上部署Alice和Bob节点，指定镜像版本并生成配置文件。 证书配置：交换节点公钥并添加对方证书信息以实现双向认证。 授权设置：建立节点间授权以支持跨节点任务协作。 注意事项包括节点ID唯一性、端口映射、非root用户部署等。当前版本仅支持Token认证，后续将优化跨机器部署流程。 完整

本文介绍了使用Docker Swarm组网模式部署Kuscia集群的完整流程。主要内容包括： 环境准备和Docker Swarm初始化步骤 创建Docker overlay网络和节点加入集群的方法 Kuscia部署过程，包括拉取镜像、配置数据库、生成配置文件等 提供Nginx作为负载均衡代理的示例 部署过程详细说明了各步骤命令和注意事项，帮助用户构建高可用Kuscia集群。

摘要：隐语SML 0.1.0版本正式发布，这是一个专注于隐私保护的Python机器学习库，旨在构建安全版scikit-learn。该版本支持数十种核心算法，涵盖监督学习、无监督学习、数据预处理和模型评估等主要领域，所有算法均针对MPC场景优化。SML现可从PyPI安装，支持金融、医疗等对数据隐私要求高的场景。项目团队邀请开发者共同建设隐私计算时代的机器学习生态，未来将持续完善算法覆盖、API设计和

摘要： 本文介绍了在Intel TDX机密计算环境中构建高性能、强安全的Qwen3-1.7b大语言模型推理方案。通过两阶段策略，先优化性能（采用llama.cpp引擎、Q4_K_M量化及硬件并行计算，实现6.76倍速度提升），再增强安全（设计“三位一体信任指纹”机制，绑定程序、模型与密钥的哈希值至X.509证书）。最终方案在保持54.8 tokens/sec性能的同时，确保模型防窃取、程序防篡改及

在最新发布的《隐私计算 跨平台互联互通 开放协议 第4部分：Secure Gradient Boosting》中，规定了异构隐私计算平台间的 SGB 算法的算法流程和传输层参考实现，对算法流程的各阶段、通信内容和通信格式等进行规范，隐语希望结合自身技术实践与行业共建优势，通过开放的隐语框架，推进相关技术标准的沉淀与演进，也欢迎更多的产学研生态伙伴参与，形成技术合力，共同推动行业的共创与发展。隐语在