产品简介
阿里云隐私计算平台是基于可信执行环境（Trusted Execution Environment，TEE）、安全多方计算（Secure Multi-Party Computation，MPC）、联邦学习（Federated Learning，FL）、差分隐私（Differential Privacy，DP）等隐私增强计算（Privacy Enhancing Technique）技术打造的隐私增强计算平台，在保障数据隐私及安全前提下完成多方数据联合分析、联合训练、联合预测，实现数据价值的流通，助力企业业务增长。
什么是隐私增强计算
隐私增强计算（Privacy Enhance Compute）也叫隐私计算是指不泄漏原始数据的前提下实现数据计算分析的实现方式。
平台功能
ID安全匹配
原始数据不出域的前提下，支持百亿级别的ID匹配，非共有ID不透出。
目前支持的数据源有：MaxCompute、MySql、PostgreSQL。
目前支持的计算引擎有：MaxCompute、本地服务器计算资源。
联合机器学习
原始数据不出域的中间梯度、模型参数的交换分布式机器学习。
目前支持的算法有：树类算法（XGB、GBDT）、回归算法（线性回归、逻辑回归）、神经网络算法。
目前支持的计算引擎有：MaxCompute、本地服务器计算资源。
联合数据分析
在原始数据不可见的前提下，提供SQL模式联合数据分析功能。
目前该功能处于定向邀测阶段，会根据客户情况及产品迭代情况适时开放出来。
应用场景
产品优势
数据中台原生实践
实践于阿里数据中台实践，相比于业界更多只提供联合机器学习功能，阿里云隐私计算平台提供完整的数据使用路径功能： 数据分析和机器学习，满足机构之间先进行商业洞察分析（联合分析）-->联合优选投放（联合机器学习）-->后链路分析（联合分析）一整套商业联合数据使用需要。
数据处理能力业界领先
基于云原生分布式计算能力，支持百亿级别的PSI（ID安全匹配）、亿级别的SQL联合分析，领先业界一个数量级。
业界唯一获得三项评测
技术实现完全自研，产品安全、稳定性可控，是业界唯一拿到三线技术（安全多方计算、可信执行环境、联邦学习）安全评测的产品，其技术通用性、业务适用性得到验证。
满足不同行业规范需要
不同行业可以根据行业规范、标准需要选择所需安全技术实现方案，满足不同行业应用的数据流通关切。