12 月 9 日记者获悉，2020 年度 iDASH 国际安全计算竞赛（iDASH 2020）赛果正式发布，腾讯云团队斩获冠军奖杯，这也是自 2014 年 iDASH 创办以来，中国企业届的技术团队首次在可信计算（SGX）赛道上夺冠。

iDASH 由美国国立卫生研究院 (NIH) 主办，始于 2014 年，专注于云环境下的隐私计算问题，至今已成为全球基因组数据隐私保护和安全共享领域最高规格的国际竞赛。

历年来，iDASH 吸引了包括麻省理工学院、耶鲁大学、谷歌、IBM 等在内的学界及业界的顶尖团队参赛，今年更有清华大学、浙江大学、普渡大学、新加坡 A*STAR、瑞士 Inpher、阿里巴巴、百度、蚂蚁金服等在内的 124 支参赛队伍参与角逐，在同态加密、可信计算以及联邦学习三个赛道中展开比拼，比赛激烈程度再创新高。

此次腾讯云技术团队在可信计算领域的高难度比赛中获得第一名，同时在差分隐私联邦学习赛道上也斩获佳绩，展现了其在隐私计算方面世界顶尖的综合技术实力。

隐私计算（Privacy Computing）是在保证数据不外泄的前提下，进行数据的安全分析及计算的一种新技术，强调流通过程中数据的 “可用不可见”，这也是解决当前跨机构数据合作与用户及商业隐私保护之间矛盾的有效方案，已在金融、医疗、政务等领域开始推广应用。

目前，隐私计算发展出联邦学习、可信计算、差分隐私、安全多方计算、同态加密等多种技术分支。其中可信计算是一种借助底层硬件实现的关键应用安全与敏感数据保护技术，也是当前在计算场景不断革新的背景下，从根本上提高计算安全性的技术方法之一。

今年的可信计算赛道的赛题为 “基于 SGX 实现的具有隐私保护特性的单细胞聚类算法”，腾讯云技术团队从二十多只参赛队伍中脱颖而出，不仅是唯三完成比赛、获得成绩的队伍，还以较大领先优势摘得桂冠。借助 SGX 下的远程证明、可信信道、数据密封等多种安全机制，腾讯云团队实现了分布式 CIDR 聚类算法在可信执行环境（TEE）的机密执行，并与腾讯自研的大数据联邦学习平台 Angel PowerFL 进行软硬件功能协同。

在保证数据隐私性和聚类算法高精准度的同时，腾讯云技术团队以更快的计算速度实现了海量细胞基因数据的分类，仅用 4.2 小时就完成了最大样本测试集的聚类算法，相比第二名，用时减少了 13 个小时之多。腾讯云还对整体方案做了进一步优化，目前大样本的实测速度已被提升到分钟级。

这样精准、高效的计算性能，主要归功于腾讯云技术团队设计的弹性联邦计算解决方案，其中，SGX 提供硬件计算加速，Angel PowerFL 联邦学习平台则针对分布式、海量数据场景进行联邦学习。当硬件资源充足时，计算可以都在 SGX Enclave（飞地）中完成；当资源有限时，计算又可以在 Angel PowerFL 的软件层完成。计算在两种计算资源间移动、平衡，从而实现更高的可信计算效率。

在差分隐私联邦学习赛道上，此次腾讯云技术团队提出的联邦集成学习方案，用 36 秒时间、100% 准确率的优异成绩完成了 “用于训练癌症预测模型的差分隐私联邦学习” 的赛题。腾讯 Angel PowerFL 平台源于大数据生态，支持超大规模数据量的多方联合建模，有高容错性，且不依赖于可信第三方，目前已经在腾讯内部和合作伙伴的多个业务场景中落地应用。

此次腾讯云参赛队伍由 Tencent Blade Team 和腾讯云大数据 Angel PowerFL 团队构成。Tencent Blade Team 是腾讯旗下的前瞻安全技术研究团队，在可信计算、人工智能、物联网、移动互联网、云虚拟化技术、区块链等前沿技术领域，Tencent Blade Team 都积累了丰富的安全研究成果，目前已向 Apple、Amazon、Google、Microsoft、Adobe 等诸多国际知名公司报告并协助修复了 200 多个安全漏洞。

腾讯云大数据 Angel PowerFL 团队则是国内较早开展联邦学习研究和应用的团队，在大数据、分布式计算、分布式机器学习、分布式消息中间件、隐私计算、密码学等领域都有丰富的研发和应用经验，已在国际顶级会议上发表联邦学习学术论文，提交了近 20 件联邦学习技术专利，并参与了多项隐私计算相关标准的制定，完成了多个商用隐私计算和联邦学习的