5月26日-28日，在2021中国国际大数据产业博览会上，凭借对前沿趋势的把握和技术领先性，腾讯大数据-天工平台上的Angel PowerFL安全联合计算技术，荣获“领先科技成果奖——新技术”奖项。
数博会是全球首个以大数据为主题的博览会，由国家发展和改革委员会、工业和信息化部、国家互联网信息办公室和贵州省人民政府共同主办。作为数博会上的“重头戏”， “领先科技成果奖”是目前为止国家科学技术奖励办备案的唯一以博览会名义设奖和唯一以大数据为主题的专业奖项。
作为腾讯自研的第四代数智融合计算平台“腾讯大数据-天工”的首发产品，Angel PowerFL安全联合计算平台聚焦于隐私保护计算的前沿技术领域，能够在不泄露数据隐私的前提下，以安全的方式实现多方数据协作，解决当前广泛存在的数据孤岛问题，进一步释放数据价值。目前基于Angel Power FL，腾讯云上腾讯安全、神盾等产品正在将腾讯大数据的优势隐私计算能力开放给用户。
腾讯大数据Angel PowerFL平台负责人程勇表示：“非常荣幸能够得到数博会的认可，Angel PowerFL从2019年开始投入研发，深耕核心技术，在平台安全性和性能等方面取得了一定的突破，在保护数据隐私的同时，助力数据协作。目前已经在金融、广告、政务等业务场景中落地，取得了较好的应用效果。”
以金融风控场景来说，某大型金融服务机构与腾讯大数据团队合作，基于Angel PowerFL平台，在原始数据不出本地的情况下，联合多方数据源构建了一个信贷风控模型。相比于传统的单侧数据建模，基于Angel PowerFL构建的联邦模型，在AUC和KS指标上分别有5%和16%的提升(如下图)——AUC与KS是判定模型准确度的常用指标，数值越大，准确度越高。在提升模型准确率的同时，也满足了金融场景下更为严苛的数据隐私要求。
信贷风控模型-单侧建模与联邦建模效果对比
在视频推荐场景中，传统情况下，由于视频APP的新用户首次登录时不存在历史浏览、播放记录，因此无法生成用户画像，也就不能对其实现精准视频推荐。基于Angel PowerFL平台，利用另一方(或用户画像库)中存有的该用户的样本标签数据，就可以帮助APP实现针对新用户的智能推荐，帮助解决新用户“冷启动”问题。同时用户数据不出本地，充分保证了隐私性。在实际场景中，Angel PowerFL平台帮助该视频APP播放时长提升了3.5%，且有效解决了新用户召回问题。
在以上两个实际场景案例中，基于Angel PowerFL安全联合计算平台，通过构建确保数据隐私安全的多方数据联合计算能力，一方面在现有基础上实现了模型效果的大幅提升;另一方面，也通过打破数据孤岛、实现数据协作，为业务系统带来了新的提升空间。
随着云计算、大数据和人工智能等新一代信息技术的应用发展，从海量数据中挖掘价值、激发数据要素市场活力，已经成为数字经济时代的主要目标。
因此，对于数据使用方而言，重要的是如何平衡数据融合和隐私保护之间的关系，既能通过数据协作实现更深层次的价值挖掘，又能充分保证数据隐私安全、满足合规要求，提振数据所有者的信心——最终实现数据融合与数据隐私的“合作博弈”，加速数字经济发展，成为所有企业面临的核心挑战。
隐私计算为出现这一愿景铺设了开阔的道路，这也使得它成为目前行业最热门的技术领域之一。作为一个多领域、多学科交叉的技术体系，隐私计算包括联邦学习、安全多方计算、可信计算等三个主要技术路径，涉及人工智能、数据科学、密码学、安全保护技术等多个技术领域。
Angel PowerFL安全联合计算平台，能够为用户提供领先的隐私计算能力。首先基于去中心化的架构，可以有效避免单点安全风险，3072位高强度同态加密计算，远超金融监管的2048位加密级别要求;其次，由于底层采用了异步并发的机制，同时对加密操作进行了指令级别的优化，Angel PowerFL性能超业界5倍，平台采用的分布式架构，支持千亿级规模的计算;此外，支持联合数据建模和联合数据分析功能，提供端到端的全场景隐私计算能力和一键云原生部署能力。
Angel PowerFL技术架构图
基于在在大数据、机器学习、分布式、安全加密等技术领域的研发经验和技术积累，腾讯大数据Angel PowerFL团队得到了行业的广泛认可，并屡获殊荣。
包括在国际顶级隐私计算比赛iDASH 2020中，Angel PowerFL团队更是以优异的成绩斩获冠军，技术实力得到充分印证。
iDASH 2020获奖证书
此外，Angel PowerFL团队也积极参与了多项隐私计算行业相关标准的制定，在世界级的学术会议上发表了多篇论文，提交了相关技术专利近20件。
未来，Angel PowerFL团队将继续砥砺前行，在隐私计算领域深耕细作，提升平台能力，为更多业务场景下的数据协作提供助力，以安全、合规的方式，释放数据融合价值。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
