基本信息
核心功能
支持联邦学习、安全多方计算、TEE可信执行环境、差分隐私等多种隐私计算技术路线提供联合建模、联合统计、隐私求交等数据协作能力，数据不出本地即可完成跨域分析内置数据脱敏与匿名化处理模块，覆盖结构化与非结构化数据可视化建模与编排平台，降低隐私计算工程落地门槛支持千亿级数据规模的分布式计算与高并发安全协议提供合规审计、数据流通授权与全链路数据血缘追踪
软件介绍
数牍隐私计算平台是面向数据流通与协作场景的安全计算基础设施，融合联邦学习、安全多方计算、可信执行环境及差分隐私等多种隐私增强技术，帮助企业在数据不出域的前提下完成联合建模、联合统计与数据价值挖掘，满足数据合规与隐私保护的双重需求。
适合行业
金融政务医疗
厂商信息
数牍科技
北京 · 2018 · 50-200
同类代理政策对比
佣金估算器
代理 数牍隐私计算平台 一年能赚多少？
10 家
¥5,000
25%
70%
第 1 年
¥12,500
每年续约
¥8,750
3 年累计
¥30,000
基于您的输入估算，实际收入取决于销售能力、区域市场、厂商政策等因素
渠道代理
全国
准入门槛需具备数据安全/隐私计算领域行业客户资源; 注册资本不低于500万; 部分项目需缴纳保证金10-30万; 需通过厂商技术认证培训
分成比例首年25-40%, 续费10-20% (基于隐私计算/数据安全品类行业惯例, 该类产品客单价高、销售周期长, 分成比例偏高)
合约期限1-3年
暂无评价
数牍隐私计算平台支持哪些隐私计算技术路线?▾
平台支持联邦学习、安全多方计算（MPC）、可信执行环境（TEE）三种主流技术路线，并提供差分隐私、数据脱敏等辅助手段。用户可根据数据规模、计算性能和安全等级要求灵活选择，金融风控场景常用MPC，医疗联合建模适合联邦学习，政务高敏数据推荐TEE方案。
平台如何保障数据协作过程中的安全性与合规性?▾
通过密码学协议确保原始数据不出域，参与方仅交换加密中间结果；支持国密SM2/SM4算法，符合等保2.0和《数据安全法》要求；操作全程留痕审计，数据使用需经多方授权，杜绝数据滥用和泄露风险，已通过信通院隐私计算评测认证。
数牍平台适合哪些典型业务场景?▾
主要应用于跨机构联合风控（银行间黑名单共享）、政务数据开放（公积金数据辅助小微企业授信）、医疗多中心研究（多家医院联合训练AI诊断模型）、广告归因（媒体与广告主转化数据碰撞）以及保险联合精算等需要多方数据协作但不共享明文的场景。
平台支持哪些部署方式，硬件要求是什么?▾
支持公有云SaaS、私有化部署和混合云三种模式。私有化部署支持X86和ARM架构服务器，最低配置8核16GB即可启动联邦学习节点；大规模MPC场景建议32核64GB以上。已适配阿里云、腾讯云、华为云及麒麟操作系统，可快速完成国产化环境交付。
相比阿里云DataTrust和微众FATE，数牍的核心优势是什么?▾
数牍在工程化落地方面更成熟，提供可视化建模界面降低使用门槛，业务人员无需编码即可完成联合建模任务；性能优化领先，单次百万样本逻辑回归建模时间较FATE缩短约40%；同时支持中文自然语法的隐私查询语句，运维监控体系更贴合国内企业IT管理习惯。