浙江大学与安恒信息合作发布了一篇名为《AI数据隐私保护研究》的论文,并成功入选了世界顶尖计算机安全学术会议。

2023-09-07 10:35:40 杭州安恒信息技术股份有限公司

• 近日，由“浙江大学-安恒信息前沿技术联合研究中心”完成的题为“DPMLBench: Holistic Evaluation of Differentially Private Machine Learning”的论文被国际顶级学术会议ACM CCS’23（ACM Conference on Computer and Communications Security）录用。该论文系统性地评价了差分隐私在机器学习中应用的能力。 ACM Conference on Computer and Communications Security(ACM CCS)在计算机安全领域有着广泛的影响力，与IEEE S&P、Usenix Security和NDSS并称安全领域国际四大顶级会议，同时也是CCF推荐A类会议，论文录取率常年在20%以下。CCS也是业界顶尖公司与技术专家展示技术成果和交流的重要平台。2023年CCS将于11月26-30日期间在丹麦的哥本哈根举办。 随着数字经济的发展，数据流通使用过程中数据的安全保障变得及其重要。差分隐私（DP）是一种通过在计算之前向数据添加经过精确校准的噪声，实现保护数据集中个体数据的隐私保护技术。 “DPMLBench: Holistic Evaluation of Differentially Private Machine Learning”（ https://arxiv.org/pdf/2305.05900.pdf） 本论文由杭州安恒信息、浙江大学、斯坦福大学和亥姆霍兹信息安全中心联合完成。将差分隐私技术应用于机器学习场景中后，可以通过降低机器学习训练与推理过程中隐私信息的泄露，达到保护模型训练数据的安全与隐私保护的目的。 将差分隐私技术与机器学习技术融合的过程中，其中一个重要的考虑因素是隐私和模型可用性之间的平衡。添加过多的噪声可能会导致模型准确性显著降低，而添加过少的噪声可能无法提供足够的隐私保证。为了在保护隐私的前提下尽可能少的损失性能，许多研究人员积极探索新技术和算法，以平衡隐私和模型性能。但是，这些研究是孤立的，不能准确衡量算法改进在不同条件下的性能。更重要的是，缺乏全面的研究来比较这些差分隐私机器学习（Differential Privacy Machine Learning, DPML）算法的改进在可用性、防御能力和通用性方面的表现。 差分隐私机器学习算法的系统性测试评估 本论文首先依据机器学习训练流程针对DPML算法提出了一种分类方法，通过比较不同参数设置对模型性能的影响，为优化DPML算法的性能提供了理论

  

• 杭州安恒信息技术股份有限公司（简称：安恒信息）成立于2007年，于2019年正式登陆上交所科创板。作为行业领导者，安恒信息秉承“助力安全中国、助推数字经济”的企业使命，以数字经济的安全基石为企业定位，形成了云安全、大数据安全、物联网安全、智慧城市安全、工业控制系统安全及工业互联网安全五大市场战略，凭借强大的研发势力和持续的产品创新，完成覆盖网络信息安全生命周期的产品、服务及解决方案体系。增速最快的网络安全上市公司主营业务收入连续三年保持近50%增长。2020年全年营收增速40%，净利润增速48%，在19家上市网络安全公司中排名第一。被评为2020年信息技术产业最具成长上市公司。4+7+25 布局全国目前安恒在全国布局，设立4总部、7基地、25分支机构，员工总数3000+，研发人员占比30%+。4总部：杭州总部、北京总部、中国智慧城市安全总部、长三角总部；7基地：一站式工业互联网服务云基地、数据安全岛基地、全球网络安全保险基地、长三角信创研发运营基地、舟山：智慧海洋数字安全大脑总部基地、成都：西部总部研发基地、重庆：信息安全产业基地；25个分支机构：主要省市地区设立办事处、分子公司，营销网络覆盖全国。。

• 招聘范围主要集中在杭州、北京、上海，主要招聘经验要求为3-5年，学历要求为本科的岗位。

• 公司参与招标20次，招标金额为46555.32（万元），公司参与中标4474次，中标金额为351289.82（万元），最近项目为：山东移动2022年IT域网络安全保障服务项目_中选结果公示、2022年度安全高级服务人天（安恒）供应商征集公告、杭政工出【2020】17号安恒信息新一代网络安全产品产业化基地。