近日，蚂蚁数科在全球信息安全领域引发关注，凭借其新推出的隐私保护AI训练框架——Gibbon，再次展示了其在隐私计算技术方面的领先地位。该框架的推出，标志着在跨机构联合建模中，解决数据隐私与高效计算之间的矛盾取得了重大进展。
此次蚂蚁数科的研究成果已被国际知名会议 ACM CCS 和 IEEE TDSC 相继收录，表明其技术的前沿性与实用性。其中，Gibbon 框架的创新性安全两方训练方式，使得传统的梯度提升决策树（GBDT）模型的训练速度提升了2到4倍，这一成果在安全性上也超越了当前主流的多方安全计算(MPC)技术。
在推理阶段，蚂蚁数科还推出了基于同态查找表的隐私保护决策图推理技术，进一步推动了 GBDT、决策树等模型的隐私保护能力。该技术实现了推理效率提升2到3个数量级，极大增强了在数据隐私保护前提下的计算效率。
在当今数据安全面临巨大挑战的背景下，蚂蚁数科的这一系列创新成果，标志着其在隐私保护人工智能技术上的持续突破。其应用场景覆盖金融、营销等多个行业，为各类企业提供高安全、高性能的隐私计算解决方案。
不仅如此，蚂蚁数科还构建了一个多元化的隐私计算产品矩阵，包括可信数据流通平台 FAIR、隐私计算解决方案摩斯（Morse）等，为各行各业的数据协作提供了全方位的支持。随着隐私保护技术的不断演进，蚂蚁数科无疑将在未来的隐私计算领域继续引领潮流。
