近日，蚂蚁集团旗下蚂蚁数字科技有限公司（以下简称 “蚂蚁数科”）正式发布新一代隐私保护人工智能（AI）算法体系，其中自主研发的隐私保护 AI 训练框架Gibbon及基于同态查找表的隐私保护决策图推理技术，在数据隐私安全与计算效率协同优化领域取得重大突破，为全球信息安全产业发展注入新动能。

作为蚂蚁数科隐私计算技术研发的核心成果，Gibbon 框架凭借创新性安全两方训练架构，有效破解跨机构联合建模中 “数据可用不可见” 与 “高效计算” 难以兼顾的行业痛点。

经实测验证，该框架可将传统梯度提升决策树（GBDT）模型的训练速度提升 2 至 4 倍，同时在安全性层面全面超越当前主流的多方安全计算（MPC）技术，实现隐私保护强度与计算效率的双重飞跃。

目前，Gibbon 框架相关研究成果已成功收录于国际信息安全领域顶级会议 ACM CCS 及权威期刊 IEEE TDSC，充分彰显其技术前沿性与产业实用性，获得全球学术界与产业界的高度认可。

在模型推理环节，蚂蚁数科推出的基于同态查找表的隐私保护决策图推理技术，进一步拓展了隐私保护 AI 的应用边界。

该技术针对 GBDT、决策树等主流机器学习模型的推理特性，构建高效隐私计算路径，实现推理效率 2 至 3 个数量级的提升，大幅降低隐私保护 AI 技术在实际场景落地的算力成本，为金融风控、精准营销、医疗数据协作等对数据隐私与计算效率要求极高的领域，提供了高性能、高安全的技术解决方案。

当前，数据安全已成为数字经济时代的核心战略议题，蚂蚁数科始终以技术创新为驱动，构建起覆盖 “数据流通 - 模型训练 - 推理应用” 全流程的隐私计算产品矩阵。

除 Gibbon 框架外，其自主研发的可信数据流通平台 FAIR、隐私计算解决方案摩斯（Morse）等产品，已广泛应用于金融、零售、政务、医疗等多个行业，为各类机构提供从技术架构到场景落地的全栈式隐私计算服务，助力企业在合规前提下实现数据价值深度挖掘。