致星科技(星云Clustar)出席首届中国云网络峰会，共话密态计算加速创新成果

　　12月19日，由中国通信学会指导，江苏省未来网络创新研究院主办的首届中国云网络产业创新峰会在京举行。致星科技(星云Clustar)作为高性能网络技术与隐私计算代表企业，与业界云计算劲旅和行业网络技术翘楚一同应邀出席，与会嘉宾围绕网络5.0、智能融合网络、多元网络空间融合等前沿议题展开立体化研讨，并针对数据中心网络、边缘计算、分布式机器学习等场景进行了研究成果分享。

　　近年来，海量信息的爆炸式增长驱动数据中心进入高速网络时代，而网络带宽的高速增长对数据中心的通信带来了巨大挑战。计算方式不断向多元化与专业化方向演进，云计算、联邦学习、边缘计算成为时代的“宠儿”。联邦学习是依托于云计算平台的一种联合建模方式，能有效帮助多个机构在满足用户隐私保护、数据安全和政府合规的需求下，进行数据共享和机器学习建模。其技术能让参与方的数据在不出库的基础上联合建模，有效解决数据孤岛问题，实现AI协作。

　　星云Clustar 首席科学家胡水海在《联邦学习海量加密数据高效传输的探索》的主题演讲中，聚焦联邦学习等密态计算场景中数据中心内部不同机构间通信，以及不同机构的数据中心跨区域通信两大场景的通信问题，分享了星云Clustar的技术探索。

　　企业上云、共享数据的前提是其数据资产与隐私得到全链路保护，因此需要对这些数据进行同态加密，然而部分同态与全同态带来的密文计算量是明文数量的成千乃至数万倍，而密文传输量也为明文的近100-1000倍。

　　面对巨大的密文传输量挑战，胡水海展示了星云Clustar面向数据中心内部不同机构间通信和不同机构的数据中心跨区域通信两大场景的探索成果，他表示：“针对数据中心内场景，我们采用的解决方案是通过RDMA网络技术优化两点间通信，然后通过动态参数聚合模型优化多点间通信以加速联邦学习通信。对于跨区域通信场景，我们在探索设计一种机器学习专用的网络传输协议，在高延迟、高丢包率网络环境下加速联邦学习通信。”这将大幅缩短联邦学习模型的训练时间，进一步推动联邦学习加速落地。

　　作为联邦学习代表企业，致星科技(星云Clustar)希望以联邦学习全栈解决方案，在牢牢守护金融、保险、医疗等行业客户数据核心资产的同时，使企业享受到安全合规的数据共享带来的业务核心价值提升，推动AI全面落地的最后一公里。