全球信息安全領域兩大權威平臺——國際頂級會議ACM CCS與中國計算機學會A類期刊IEEE TDSC近日同步公布最新研究成果，螞蟻數科自主研發的兩項隱私計算技術突破性成果成功入選。這一成績標志著中國企業在隱私保護人工智能領域的技術實力獲得國際學術界高度認可，為跨機構數據協作提供了更安全高效的解決方案。

針對跨機構聯合建模場景中普遍存在的數據隱私與計算效率矛盾，螞蟻數科技術團隊聚焦梯度提升決策樹（GBDT）模型展開攻關。該類模型包含XGBoost、LightGBM等主流算法，因其可解釋性強、預測效率高的特點，已成為金融風控、精準營銷等領域的核心工具。但傳統多方協作模式下，數據隱私保護與高性能計算長期處于"安全增強則效率衰減"的博弈狀態。

研究團隊突破性采用多方安全計算（MPC）技術路線，通過密碼學與機器學習算法的深度融合創新，在訓練和推理兩個關鍵環節實現雙重突破。其中被ACM CCS 2025收錄的《Gibbon: Faster Secure Two-party Training of Gradient Boosting Decision Tree》提出新型安全兩方訓練框架，相比2023年USENIX Security會議發布的"Squirrel"方案，訓練速度提升2-4倍，甚至超越聯邦學習代表性方案SecureBoost的開源實現性能。

在推理環節，入選IEEE TDSC的《Privacy-preserving Decision Graph Inference from Homomorphic Lookup Table》創新應用同態查找表技術，構建起覆蓋GBDT、決策樹、評分卡等模型的隱私保護推理體系。實驗數據顯示，該技術使GBDT和決策樹模型的推理效率提升2-3個數量級，在保證數據"可用不可見"的前提下，顯著提升跨機構協作的實時性。

相較于當前業界廣泛采用的聯邦學習方案，螞蟻數科的技術路徑展現出獨特優勢。隱私計算聯盟2024年發布的《隱私計算產品通用安全分級白皮書》指出，主流聯邦學習方案存在中間結果泄露風險。而MPC技術路線通過密碼學協議確保數據始終處于加密狀態，從根本上規避信息泄露隱患，為醫療、金融等強監管領域的數據協作提供更可靠的技術保障。

目前這兩項技術已全面集成至螞蟻數科隱私計算產品矩陣。該體系包含四大核心模塊：支撐可信數據流通的基礎設施平臺FAIR、專注金融營銷場景的摩斯（Morse）解決方案、為AI/BI系統提供嵌入式保護的密態中間件，以及針對大語言模型的全生命周期隱私保護方案。這些產品已在銀行、保險、政務等多個領域實現規模化應用，日均處理隱私計算任務超百萬次。

作為信息安全領域最具影響力的學術平臺之一，ACM CCS與中國計算機學會保持同級認證標準，其收錄的論文需經過全球頂尖學者的三重匿名評審。IEEE TDSC作為IEEE Computer Society旗艦期刊，長期聚焦可信計算、安全協議等前沿方向，兩平臺的同時認可充分印證了研究成果的學術價值與工程意義。