全同态加密能够对密文任意计算，但传统的全同态加密算法只支持单方参与。格密链公司的陈智罡博士团队研发出基于多方全同态加密的分布式机器学习系统。
多方全同态加密与多钥全同态加密不同，其性能与单方全同态加密一样，没有任何损失。各参与方将自己的数据加密后分享到系统里，在密态下对数据进行机器学习模型训练，从而保护了各方数据的隐私安全。由于各方数据的分享参与，使得模型的训练更加精准。
本系统在MNIST标准数据集上测试，密文上的机器学习训练可以达到90.0705%的Accuracy和AUC达到0.9688。在中小规模的数据集可以在30s-120s左右训练完成，准确度良好，有较高的效率。我们的分布式机器学习系统不但保护了参与方的数据隐私安全，而且获得了良好的效率。
密文机器学习有广泛的应用需求，例如军事、金融、医疗，等领域。
例如几家银行想要刻画某个用户的金融信用。虽然每个银行都可以根据自己掌握的用户数据，独立的训练机器学习模型。但是他们还可以通过共享各自的数据，训练出更好的模型。然而在数据安全方面，各银行之间共享情报数据显然是不可能的。
全同态加密能够对密文进行任意计算，可用于解决上述难题。使用全同态加密，多个机构可以密文形式共享其数据，并在密文数据上进行机器学习，无需解密就能够获得更加精准的数据模型。
这种基于全同态加密的密文机器学习方法使用灵活且方便，因为可以将训练计算委托给任何一方（甚至是不受信任的第三方），而且没有泄露任何训练数据给计算方。此外，基于全同态加密的方法没有额外的假设和条件，相比于其他方法（例如：安全多方计算）具有极大的灵活性和便捷性，有广泛的场景需求。
系统演示，请点击下方二维码：
格密链公司一直致力于全同态加密与区块链技术的研发。
公司网站：https://gemilian.github.io
陈智罡博士个人主页：
视频：全同态加密及其应用-IBM的Flavio Bergamaschi访谈
如何实现同态比较算法
视频-CKKS全同态加密算法介绍
2020年上半年|精华文章
区块链上的食品可追溯性-3
区块链上的食品可追溯性-2
区块链上的食品可追溯性-1
视频-基于全同态加密保护机器学习的隐私安全
视频-微软Wei Dai 在Private AI Bootcamp 上的同态加密讲座
困难性：最坏情况VS平均情况
格密码学简介（第2部分）
格密码学简介（第1部分）
多方计算理论与实践国际学术论坛报告视频
多方计算理论与实践国际学术会议论文列表
IBM发布基于MacOS 和iOS的全同态加密工具包
▼
全同态加密资源汇总，全同态加密与机器学习论文列表
▼
欢迎收听“区块链杂谈”节目，国内最有质量的区块链知识分享节目。
