隐私计算中的算子是个啥？可视化组合配置的算子解决方案了解下

算子(Operator)也简称为 OP，可以理解为一个计算函数。在隐私计算场景中，一个算子可以实现任务的一步计算，可以理解为完成计算任务的一个单元。

如果你觉得理解起来还是抽象的话，有个更为形象的比喻。可以把算子看作乐高，有不同的模块，每个模块有自己匹配的位置，同时又有一定的自由度可以拼接在不同的位置。不同用途的模块最终可以按照你的需要拼成一个城堡或者汽车，即通过不同算子的组合配置完成既定的任务。

在隐私计算的具体测试和生产环境中，完成一个隐私计算任务需要用到各种类型的算子提供运算支撑，如隐私求交、匿踪查询、数据分析与预处理、模型训练预测评估等多种功能类型，里面很大一部分工作围绕算子的管理、执行、调度。

数牍 Tusita 隐私计算平台一直致力于解决如何可以低成本地使用联邦学习、隐私求交等算子。如平台集成了横向联邦学习建模和纵向联邦学习建模的多种算法，包括逻辑回归、XGBoost、朴素贝叶斯、支持向量机、深度学习、聚类算法等多种主流算法，将这些算法封装成各种功能类型的算子，通过算子配置、参数配置可完成标准化的联邦建模工作，并输出模型报告。平台目前已经提供了大量的算子组供用户使用。

在 Tusita 隐私计算平台的可视化子系统上，对于每个具体的任务算子，以方框图的方式展示在 DAG 画布上，对算子直接的输入输出关系，以箭头的方式展示在 DAG 画布上（如下图所示）。同时对算子的具体参数(包含参与方、数据源、模型超参数等)以编辑列表方式展示，并且提供监控组件，对任务的全流程进行实时监控。通过可视化、直观性地创建、修改算子的方式，便捷定义所需的算子，极大减少了重新定制化开发的时间成本。

Tusita 隐私计算平台可视化子系统算子配置界面

#算子功能示例

01

静态隐私求交算子模块

功能介绍：静态隐私求交算子模块（样本安全对齐）支持各个参与方数据集通过唯一标识符，使用安全交互协议完成各个数据集间的样本数据对齐。

02

动态隐私求交算子模块

功能介绍：动态隐私求交算子模块（样本回溯对齐）支持各个参与方数据集通过唯一标识符，使用安全交互协议完成各个数据集间的样本数据对齐。

在算子的安全性和性能方面，Tusita 平台多方安全计算、联邦学习两大核心能力经权威机构评测认证处于行业领先地位。日前，Tusita 隐私计算平台通过中国信通院“多方安全计算 性能大规模专项评测”、“联邦学习 性能大规模专项评测”，是唯二两项测评都通过的企业。这两项评测区别于原有的性能测试，在大幅增加样本量和特征维数，对安全性、计算精度严格要求的基础上，围绕多方安全计算（MPC）在基础运算、联合统计、隐匿查询（PIR）、安全求交（PSI）、特征工程、联合建模、联合预测等方面的性能表现，围绕联邦学习（FL）在安全求交（PSI）、特征工程、联合建模、联合预测等方面的性能表现进行全面的增压测试，作为未来更能满足隐私计算大规模商用场景的产品被筛选而出。

目前，基于 Tusita 隐私计算平台的部署，这套可视化创建、修改算子方案已应用到政务领域、金融行业等多个行业客户的实际应用场景中，解决部署后用户使用算子的高学习成本问题，达到低门槛灵活配置算子效果。