记者12月9日获悉，2020年iDASH国际安全计算大赛（iDASH2020）成绩正式出炉，腾讯云团队摘得冠军奖杯。荣获可信计算（SGX）赛道。由美国国立卫生研究院(NIH)赞助的iDASH始于2014年，专注于云环境中的隐私计算问题。已成为全球基因组数据隐私保护和安全共享领域最高级别的国际赛事。多年来，iDASH吸引了包括麻省理工学院、耶鲁大学、谷歌、IBM等在内的学术界和产业界的顶尖团队。今年，清华大学、浙江大学、普渡大学、新加坡A*STAR、瑞士Inpher等124支参赛团队，包括阿里巴巴、百度、蚂蚁金服等，在同态加密、可信计算和联邦学习三个赛道参赛，比赛强度再创新高。此次，腾讯云技术团队在可信计算领域的高难度竞赛中获得第一名，在差分隐私联邦学习赛道上也取得了不错的成绩，展示了其在隐私计算领域全球领先的综合技术实力。隐私计算（PrivacyComputing）是在保证数据不泄露的前提下，进行数据安全分析和计算的新技术。与用户和商业隐私保护相冲突的有效解决方案开始在金融、医疗、政务等领域得到推广应用。目前，隐私计算已经发展出联邦学习、可信计算、差分隐私、安全多方计算、同态加密等多种技术分支。其中，可信计算是借助底层硬件实现的关键应用安全和敏感数据保护技术，也是计算场景不断创新背景下从根本上提高计算安全性的技术手段之一。本届可信计算赛道的题目是“基于SGX的具有隐私保护的单小区聚类算法”。腾讯云技术团队从20余支参赛队伍中脱颖而出。得分最高的球队也以较大的领先优势获得了冠军。借助SGX下的远程认证、可信通道、数据密封等多种安全机制，腾讯云团队实现了分布式CIDR聚类算法在可信执行环境（TEE）中的保密执行，并与腾讯自研合作开发了大数据联邦学习平台AngelPowerFL进行软硬件功能协同。在保证数据隐私性和聚类算法高精度的同时，腾讯云技术团队以更快的计算速度实现了对海量细胞遗传数据的分类，仅用了4.2小时就完成了最大样本测试集的聚类算法。与第二名相比，花费的时间减少了多达13个小时。腾讯云还进一步优化了整体解决方案，大样本实测速度提升至分钟级。如此精准高效的计算性能，主要得益于腾讯云技术团队设计的弹性联邦计算方案。其中，SGX提供硬件计算加速，AngelPowerFL联邦学习平台针对分布式、海量数据场景进行联邦学习。当硬件资源充足时，可以在SGXEnclave（飞地）中完成计算；当资源有限时，可以在AngelPowerFL软件层完成计算。计算在两种计算资源之间移动和平衡，以实现更高的可信计算效率。在差分隐私联邦学习赛道上，腾讯云技术团队提出的联邦集成学习方案在36秒内以100%的准确率完成了“训练癌症预测模型的差分隐私联邦学习”比赛。问题。腾讯天使PowerFL平台源于大数据生态，支持超大规模数据量多方联合建模，容错性高，不依赖可信第三方，已落地腾讯内部多个业务场景及其合作伙伴的应用程序。腾讯云团队由腾讯刀片团队和腾讯云大数据天使PowerFL团队组成。腾讯刀锋团队是腾讯旗下具有前瞻性的安全技术研究团队。腾讯刀片团队在可信计算、人工智能、物联网、移动互联网、云虚拟化技术、区块链等前沿技术领域积累了丰富的安全研究。先后向苹果、亚马逊、谷歌、微软、Adobe等众多国际知名企业报告了200多个安全漏洞，并协助修复了200多个安全漏洞。腾讯云大数据天使PowerFL团队是国内较早开展联邦学习研究与应用的团队。在大数据、分布式计算、分布式机器学习、分布式消息中间件、隐私计算、密码学等领域具有丰富经验。在国际顶级会议上发表联邦学习学术论文，提交联邦学习技术专利近20项，参与多项隐私计算相关标准的制定，完成多项商业隐私计算和联邦学习产品落地。
