发帖
雷达卡
登录TokenInsight官网https://tokenin.cn，注册可查看行业和项目分析报告，并可下载PDF阅读，更有各种动态榜单、实时数据可供查阅。
ARPA 联合创始人 & CEO 徐茂桐：谢谢魏老师，ARPA目前的落地场景也是类似，主要行业为金融、身份、征信等数据比较标准、数据化程度高、数据价值高的场景。如数据安全计算、敏感信息查询、联合数据分析等。
目前 ARPA 已经与20多家国内外大型企业达成战略合作，完成了多个场景的POC并转化成订单，其中包括世界100强企业、大型贸易机构、金融与保险机构、大数据营销机构等等。ARPA 现阶段产品包括多方联合风控、供应商联合KYC、黑名单共享、安全模型分析等多个解决方案，聚焦金融与交易等垂直领域，赋能企业间数据协同。
这类场景也分两方场景和多方场景。在两方场景下，我们为某前三的大型金融科技公司实现VaR等风控模型的安全分析，在保护模型参数隐私和金融机构客户持仓数据隐私的情况下，获得风控分析结果，不需要本地化部署。
而在多方场景下，我们在某化工巨头牵头成立的大宗商品交易联盟链中，可以有效查询新进入的供应商是否在某成员机构的黑名单上，保护供应商和各成员黑名单的隐私。同时我们可以做负债率等指标的联合分析，联合计算。
我认为多方场景是未来的大趋势，也是可信计算可以和区块链结合的地方。就像刚才余炀老师说的，区块链做的是数据存证和确权，而可信计算实现的是多方数据价值的榨取。
TEEX 联合创始人 余炀：TEEX的落地场景主要有两个方面：
首先是To Chain方面，我们已经和Conflux、Zilliqa、Ontology等顶尖公链项目开展了深度合作。其中，我们已经和Conflux达成战略合作协议，TEEX会帮助打通链上链下数据，为Conflux和Zilliqa的链上合约提供可信的外部数据。
另外，作为一个Layer-2的方案，我们可以为现有公链提供隐私合约支持。目前我们已经基于TEEX平台为Ontology打造了隐私智能合约。
在to B方面的话，TEEX提供的分布式隐私计算平台可以帮助打通不同数据源的数据。我们已经为一些传统云厂商的数据安全产品提供了TEE技术支持，该类数据安全产品已经开始服务于包括运营商、公安政府机构在内的一些大的数据拥有方，保证隐私的同时帮助他们进行数据融合。
同时，我们也能够为企业内部打造一套隐私计算和数据安全的保护系统。比如某人工智能独角兽企业，其内部存在大量的用户隐私数据。基于我们的TEEX平台，我们帮他们打造了一个内部数据安全训练平台，可以在保证数据隐私的同时，进行高效的数据模型训练。另外，在可信数据采集、安防、医疗数据共享、金融数据保护等方面，TEEX也拥有成熟的落地方案和经验。
/ 第二环节：链得得提问 /
链得得 阿得：目前不管在安全多方计算（MPC）还是可信执行环境（TEE）的赛道，自身都存在一定的技术问题限制其大规模应用（如MPC计算效率过慢；TEE侧信道攻击），那么业界目前对这些问题普遍采用怎样的应对办法，各位的项目有没有什么独特的解决方案？
Trias CTO 魏明：我先说下我的看法，不一定对。首先TEE已经是大规模应用了。只是国内的使用和感知比较晚，因为关于可信技术相关的芯片使用，中国政府是2016年才签署好。可以让这个技术在国内使用，但是在国外已经是使用了很久，而且范围很广，所以TEE不存在没有大规模应用。最简单大家现在用的手机只要是高通845、855的，没用采用阉割版的都是全部默认带Trustzone。然后每天的支付，指纹识别，人脸识别的运行程序都会用到这块。
另外从传统云计算环境来说，早在2012年开始的云安全模型，就要求最高安全的底层硬件必须都要使用到符合TEE规范的可计算硬件。稍等一下，我给大家找一下csa-star的安全模型图。
▲ 图片来源：嘉宾分享
大家可以看下，这个图大家可能很熟悉。因为国内搞的云安全模型，实际上是直接借鉴过来的，只是里面写的内容稍微有点修改，在11年的版本中就要所有的云服务商要做到安全的话，底层必须有Trusted Computing。那个时候的硬件基本上用的是TPM。
另外目前TEE侧信道攻击这个定义可能有点问题哈，应该主要是intel SGX的，TEE是一个行业规范。
目前这种硬件级别的漏洞，统一的处理的方式，最好的效果都是一种，就和幽灵、熔断问题一样。主要就是由硬件厂家进行打补丁，或者等他们生产新的处理器修复。不然的话就像Intel现在宣布的酷睿5代之前的都不管幽灵熔断的问题了。只能等着以后要不自己换CPU，要不等着被恶心。因为这种硬件BUG，都是操作系统level 0内核驱动层之下的level -1硬件层了。
所以这种事情就是软件厂商及时更新补丁，加强和硬件厂商的合作就是组好的性价比解决方案。不过如果有人提供纯软解决这个问题，我觉得挺棒,可以有很大的市场。现在N多云计算公式的老机器针对幽灵，和熔断这种硬件BUG都不知道怎么办，光这个做个产品卖到上市我觉得问题不大。
ARPA 联合创始人 & CEO 徐茂桐：谢谢魏老师的分享，ARPA这边我们做的是安全多方计算MPC，是一种基于纯密码算法的方案。不过之前确实有不少人希望能结合TEE和MPC，比如DFINITY的Dom Williams去年就找过我们。
TEE和MPC确实是各有利弊，TEE依赖硬件厂商提供授权，比较中心化，但是速度快、语言更友好、算法更通用。所以更适合商业落地和大规模应用。
而MPC主要是在小场景中，对特定算法和高安全要求的敏感数据做处理。由于MPC是完全去中心化的，在每个节点上的数据secret share都是密文，整个运算过程不解密，所以加密计算compute on encrypted data也被称为密码学的圣杯。
但是MPC的问题很多：（1）计算速度慢；（2）通讯负担高；（3）理论较完善但是工程还在初期，to D不够友好等问题。我来一一讲解。
首先，众所周知高安全性的代价就是效率的下降，目前MPC的速度是明文计算的百倍左右。近些年MPC的计算效率有大幅度的提升，MPC计算吞吐量 vs 明文计算从慢n个数量级下降到了两个数量级，在我们实际的运行环境下，用普通电脑和30毫秒延迟的网络环境，不同的算法相比明文大概慢几十倍到200倍左右。
其次，通讯负担（communication overhead）是影响MPC的速度的主要瓶颈。尤其是随着参与方的增多的情况下。
京公网安备 11010802022788号
