2. 关键特性¶

标签：关键特性

从功能组件上来看，WeDPR隐私计算系统主要包括：隐私计算核心算法实现组件、统一网关、隐私计算管理平台。

隐私计算核心算法组件是隐私计算任务的核心实现；隐私计算网关负责所有隐私计算节点的通信、机构内的服务注册和服务发现等；隐私计算管理平台实现了跨机构元数据信息同步、细粒度的用户和权限管理体系以及丰富的异构数据源的接入等。

2.1 隐私计算任务¶

丰富的隐私计算任务支持

隐私求交集: 包括两方隐私求交集任务和多方隐私求交集任务，并从性能、网络带宽、使用场景等多方面考虑，实现了多种隐私求交集算法，包括CM2020(性能高), RA2018(非平衡PSI算法，适用于CS模式), ECDH-PSI;
匿踪查询: 基于OT算法构建匿踪查询，可将数据集发布为匿踪查询服务开放给相关用户使用;
联合建模: 基于SecureLGB和SecureLR算法支持多方数据联合建模，并可将建模结果发布为模型用于预测，满足了80%多方数据联合建模需求;
联合分析: 基于安全多方计算算法，提供了类SQL/Python的隐私数据联合分析语法，可在不引入额外学习成本的前提下，满足数据开发人员基于多方数据进行联合分析的需求;

专家模式

基于Jupyter构建了专家模式，并提供了联合建模Python toolkit: wedpr-ml-toolkit来支持数据开发人员在Jupyter中发起各类隐私计算任务，可在不升级隐私计算系统组件的前提下，实现数据开发人员各种定制化的数据统计、评估需求，提升了隐私计算系统的功能可扩展性
实现了用户维度的Jupyter管理，多用户的Jupyter环境通过linux用户体系完全隔离开

统一网关

统一网关SDK

灵活可信的数据同步服务

丰富的数据源管理

支持DAG的任务调度模块

细粒度的用户和权限体系

服务发布功能

API接入