数智链融合创新，联通数科加速隐私计算落地应用

联通链可信协同计算组件运用联邦学习等技术，可以在满足用户不同场景数据隐私保护计算的前提下，完成多方联合建模、联合预测、联合分析，促进多方数据安全高效的协同计算，真正实现“数据可用不可见 数据不动价值动”。

当前，联邦学习技术凭借“数据可用不可见，数据不动模型动”的技术特性，与安全、可信的跨地区、跨行业、跨主体分布式AI协作模式，得到了业内厂商的广泛关注并取得显著成效。尤其在以保障数据安全为前提实现数据开放共享方面，更不失为一种有效的重要技术路径。

联通数科积极探索基于联邦学习等隐私计算技术与区块链、大数据、AI等技术融合的创新应用。在产品层面，与联通研究院共同研发联通链可信协同计算组件；在研发层面，积极参与了全球首个工业级联邦学习框架FATE开源社区的建设，并成为首批成员单位，致力将自身研发成果积极面向外部赋能。

联通链可信协同计算组件将区块链技术与隐私计算深度融合，有效解决数据可信互通、隐私保护等难题。支持数据加密、数据脱敏、数据转换等多方数据预处理能力，并提供PSI隐私求交、神经网络、SecureBoost等一系列横向、纵向的任务训练预测、模型调用及自动添加算子等功能，有效助力多方数据要素可信流通，具有安全可信、性能卓越和功能完善三大特征：

安全可信

数据仅在参与方间传输，三方无感；通信使用多重认证保护和信道保护，数据国密标准加密。

性能卓越

支持亿级数据记录联邦学习建模能力；数据应用通信成本低，具备高并发、高实时性，毫秒级响应能力。

功能完善

实现大规模无代码化规则标签，算法标签全流程可视化搭建；可视化的友好交互平台，提高建模效率。

目前，在该组件的支撑下，联通数科已服务政务、金融、司法、文旅、数字乡村、工业互联网及医疗等多个领域客户，在IDC《中国区块链BaaS市场份额，2021》榜单中市场份额排名第六。下一步，公司将继续深耕数智链融合创新与隐私计算技术落地应用，通过技术赋能及开放生态为政企客户数字化转型提供更好服务。