星云Clustar打造隐私计算GPU加速方案，助力微众银行加速落地联邦学习大规模应用

案例简介

本案例中，星云Clustar依托自身的算力加速能力及基于NVIDIA Tesla V100 GPU打造隐私计算加速方案，充分应对联邦学习等隐私计算场景，为微众银行解决了因使用同态加密而产生的计算压力与延时问题，使同态加密算力提升50-70倍，成功推动联邦学习系统高效运转落地。

Case Introduction

In this case, Clustar builds privacy computing acceleration solution based on its own computing acceleration capability and NVIDIA Tesla V100 GPU. The solution could fully cope with privacy computing scenarios such as federated learning, solving the computational pressure and latency problems caused by the use of homomorphic encryption for WeBank, increasing the computational power of homomorphic encryption by 50-70 times and successfully promoting the efficient operation of the federated learning system.

客户简介及应用背景

星云Clustar是国内率先开展隐私计算技术实现与应用探索的公司，专注金融场景提供隐私计算全栈技术服务。

隐私计算全栈技术与基础设施提供商星云Clustar基于NVIDIA Tesla V100 GPU打造隐私计算加速方案，为微众银行的联邦学习系统提供超高密态算力，助力其打通全网数据的安全共享与流通，加速业内首个联邦学习大规模应用的落地。

客户挑战

数据作为新型生产要素，流通才能创造更多价值。微众银行为打通数据安全交换路径提供联邦学习系统方案，一方面可解决数据使用方内部数据不足、特征维度单一问题，另一方面可帮助数据源方获得数据的经济价值。微众银行接入腾讯的海量全网数据源，需要在保护数据安全与隐私的前提下，通过联邦学习系统连接数据提供方和数据使用方，实现安全合规的数据交易和流通变现。

为实现联邦学习应用落地，高性能的算力支撑必不可少。由于联邦学习在参数传递过程中，为了支持参数可以在密态下进行无损的计算，需使用到同态加密技术（加密后的数据为2048bit大整数），而同态加密技术会带来数据计算量和传输量的剧增，使联邦学习系统面临巨大的算力压力。

应用方案

星云Clustar依托自身的算力加速能力及硬件产品隐私计算加速卡，充分应对联邦学习等隐私计算场景，为微众银行解决了因使用同态加密而产生的计算压力与延时问题，使同态加密算力提升50-70倍，成功推动联邦学习系统高效运转落地。

隐私计算加速卡基于NVIDIA Tesla V100 GPU搭建了业界首个异构计算加速系统，实现了同态加密的技术突破，相较CPU算力提升50-70倍，延迟降低300%，功耗降低70%。隐私计算加速卡可在云或本地切换部署解决方案并根据应用需求扩展，为微众银行降低部署成本，助力其联邦学习业务高效落地。该合作实践进而也成为联邦学习产业应用大规模落地的第一座关键里程碑。