基于隐私计算技术实现，以多方安全计算（mpc）、联邦学习（fl）等隐私数据保护技术为基础的数据安全协同平台。
既具有平台思维，为跨机构之间数据的协同合作提供桥梁；又注重隐私数据流通，保障用户数据在协同使用过程中，敏感信息以“可用不可见”的方式发挥价值，便于双方或多方对数据进行处理、分析和加工，从而实现数据联合协作的价值最大化。
安华金和联合南开大学数据安全实验室，针对机器学习算法进行隐私数据改造，在保障数据隐私安全的前提下，完成多方数据联合分析、联合训练、联合预测，实现数据价值的有效流通，使平台上的合作机构在确保数据安全的同时，实现数据共享价值的最大化。
平台支持安全多方的匿踪查询、统计分析、日志管理等功能；可针对敏感信息进行数据变形，保证原始数据不出数据持有者本地，即可完成联合建模及协同运算任务。
此外，凭借安华金和于垂直行业的专业沉淀与应用把控能力等优势，为客户提供各领域的数据信息分享，从主题发布到协同合作，从数据申请到模型训练，用户可以方便地进行模型效果对比和参数调整，低代码化设计让用户只需按界面操作即可完成流程。
多方参与的协同生态机制
平台构建数据提供方、需求方、管理方等多方参与的安全数据协同平台，在保障数据安全的前提下，推动数据的开放共享、开发利用与价值挖掘。在由多方参与下的数据集市生态，能够及时感知、获取并积极贡献价值数据，从而打破数据孤岛、实现共赢。
强大的api接口服务
平台拥有强大的接口服务能力，数据发布者可手写表达式自定义函数接口信息，并针对接口安全采用“公私钥 签名 证书”的管理方式，参与方只需传递加密的参数，隐匿查询对象关键信息。未来，还可通过openapi的方式直接自定义算法对接第三方系统。
满足复杂计算场景的支持
平台支持常规的数据核实、联合分析、联合建模等功能，具备自定义模型的适配能力，且支持自定义模型构建，模型管理也支持多种模型混合使用。
分级审批确保数据安全
平台率先引入分类分级概念，对上传数据自动标识类别和等级，对开放数据进行标准化、精细化管理，保证用户使用的数据统一标准、分类分级、安全可控，从而提升平台的数据质量。
试用申请
申请交流
产品咨询：4000 258 365 
