两家公司想充分发挥各自的优势，合作开发一款产品。如何在保护隐私的同时，高效地以“隐私计算”的形式实现双方的联合计算，成为解决这一问题的关键。

近日，阿里安全新研发的猎豹安全两方计算框架，大幅提升了两方计算的整体性能，比目前世界上最好的计算解决方案——微软CryptFlow2快5倍以上。该技术正在风险控制领域得到应用，相关研究成果已被四大国际安全峰会之一的USENIX安全研讨会2022接收。

描述:在隐私计算领域，阿里是唯一在USENIX Sec22上发表论文的中国公司。

“百万富翁问题”是一个典型的两方计算场景:两个百万富翁想比较谁的财富更多，但谁都不想告诉对方自己的财富数字。为了达到这个安全目标，需要设计复杂昂贵的密码协议，导致密文量大，计算速度慢。

阿里资深安全专家洪成介绍，以保护用户隐私的图片识别服务为例，如果客户A有图片，服务器B需要对图片进行AI识别，以确定是否包含不合规内容，但出于隐私保护要求，无法查看客户A的图片本身，用之前表现最好的微软CryptFlow2测试，完成一次图片识别需要数百秒， 而“猎豹”让速度快了5倍，能做到几十秒，离实用化差了一大步。

隐私相关技术受到业界和资本界的高度关注。去年，一些相关创业公司完成了近2亿元的A轮融资，创下了隐私计算赛道的A轮单轮融资新纪录。不过，阿里在开源平台上推出了这个性能大幅提升的“猎豹”两方计算框架。

图说:“猎豹”两方计算框架上线，开源平台。

洪成解释说:“目前，中国的隐私计算行业缺乏针对‘安全’的衡量标准和最佳实践。一些用户更多地接触到以联邦学习为代表的不可证明安全的隐私计算解决方案，但对可证明安全的重要性和难度缺乏了解，因此经常错误地高估隐私计算的能力，低估其难度。例如，我们之前发现开源联邦学习框架中使用的一些加密算法存在安全漏洞。”

他认为，能够证明安全性的“猎豹”开源，将有助于加强业界对隐私计算现状的认识，建立安全两方计算的最佳实践标准，推动隐私计算技术的健康发展，这也是阿里新一代安全架构的落地，从源头构建安全体系。(雷锋。com)

附开源地址:github-Alibaba-Gemini-lab/open cheetah