当前位置: 首页  >  面向产业界  >  成果发布  >  信息领域  >  正文

一种流水线架构的零知识证明隐私计算专用加速芯片

2021/09/15

一、所属领域

信息技术、区块链技术、隐私计算、可信计算芯片

二、项目介绍

1. 痛点问题

数据是数字经济时代的核心生产要素,但数据在自由流通或共享中才能产生更大价值。数据的隐私计算对保护数据安全,实现数据共享与协作应用,破除数据孤岛,提供合法合规的监管抓手,最大化释放数据价值有重大的现实价值。

零知识证明、安全多方计算、差分隐私、同态加密等现代密码学算法具有坚实完善的理论基础,可以提供最为可靠的数据保护方式。例如,零知识证明算法已经在学术界和工业界受到了广泛关注,应用于可信计算、区块链扩容、匿名货币等多种场景。然而,受制于算法的复杂度和硬件的计算能力,现有零知识证明等隐私计算性能仍比明文计算慢两到三个数量级,难以有效实现产业化。

2. 解决方案

本成果提出了一种高效的流水线芯片架构,显著提升了以零知识证明为核心的多种隐私计算和区块链应用中的数据处理性能和效率。本成果以算法为核心、以数据流为参考、以芯片实现为目的,通过全流水设计,优化芯片性能、面积和功耗,多维度解决隐私计算的算力不足问题,致力于成为新基建“数据价值互联网”的基础设施。

本成果所提出的芯片架构包含两个子系统。第一个子系统主要处理有限域上的高次多项式计算。通过利用傅里叶变换分解庞大的计算任务,同时对底层模块进行定制化流水线设计,并利用数据分片、片上转置等技术优化对数据流的控制。第二个子系统主要处理椭圆曲线上的大规模模幂运算。采用计算复杂度最优的Pippenger算法与定制化的数据流和底层流水线控制,并结合实际场景下的系数分布规律采用简单高效的任务分配机制,用最小的控制逻辑实现负载均衡。

3. 竞争优势分析

目前市场上暂时未发现商业化的同类产品,相关公司主要关注点仍在软件算法的实现和优化上,现有的隐私计算硬件主要通过AI计算芯片或者普通FPGA/GPU进行加速,单个产品价格高昂,计算能力也不能很好的满足实际需求。本成果通过定制化、专用化的芯片架构设计,专门针对隐私计算的算法特点和数据流模式,可以显著提升计算的性能和效率。

目前,本成果已经完成在FPGA平台上的验证和优化工作,已达到近百倍的计算加速。后期面向ASIC芯片的开发可进一步使产品的计算能力提高两个数量级以上,单价能降低一个数量级以上,并有望实现物联网和移动端消费品的部署。

知识产权布局方面,本项目已经开发了具有完全自主知识产权的零知识证明硬件加速算法,在其核心的多标量算法及其硬件实现方面申请了独特的专利技术,将常用方案的千次运行减少到一次运算,既减少了存储带宽需求,又大大提升了系统性能。

4. 市场应用前景

据隐私计算联盟和中国信通院云大所发布的《隐私计算白皮书(2021)》预测,隐私计算市场未来几年将达到百亿规模的服务费,甚至有望撬动千亿营收空间。而根据独立咨询机构Gartner的估计,到2024年,隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。

在应用场景上,隐私计算主要集中在数据驱动及对流通需求较高的领域,包括金融科技、联合风控、联合营销、智能医疗、电子政务、云计算外包服务、物联网数据保护等场景,并随着区块链技术的发展,进一步渗透到更多的领域。

本项目可以为相关公司提供高效低廉的硬件支持,预计产业化后国内需求每年都将超过50亿人民币,全球范围内则能达到数百亿人民币。

5. 发展规划

计划2021年内完成在FPGA和GPU上的原型验证和优化。商业化运营后,团队将进一步完成28nm及更高级制程的ASIC芯片的开发。

同时,根据实际应用的需要,将现有面向零知识证明算法的芯片架构拓展至对联邦学习、安全多方计算、差分隐私、同态加密等各类隐私计算方法的融合。

6. 知识产权

拥有完全自主知识产权的零知识证明硬件加速算法,发表国际顶级学术论文1篇,并对核心技术申请发明专利2项。

三、合作需求

1. 孵化资源:工程化、产品化资金3000 ~ 15000万元人民币;30人左右研发运营场地。

2. 应用场景:隐私计算及区块链加密技术在金融科技、联合风控、联合营销、智能医疗、电子政务、云计算外包服务、物联网数据保护等方面的落地应用场景,尤其是对数据处理性能和效率具有较高要求的场合。

3. 资源对接:从事隐私计算及区块链算法和软件系统开发的相关企业,以及Conflux、以太坊等公有链Layer2项目公司。

四、团队介绍

本团队依托清华大学交叉信息研究院,与交叉信息核心技术研究院(西安)有限公司合作,长期从事区块链、人工智能和大数据分析等数据密集型应用的新型存储架构、专用计算系统、硬件系统安全等方面的研究。已发表多篇国际顶级学术会议论文,国内外专利获授权3项,申请中4项。

五、联系方式

联系人:刘老师

E-mail:liuyi2017@tsinghua.edu.cn

成果编号:2021124

注:转载请注明出处。

-分享-