国内BI：BDP商业数据平台、smartbi、用友华表、帆软、润乾报表永洪科技等。

IBM提供了全面的商业智能解决方案包括前端工具、在线分析处理工具、数据挖掘工具、企业数据仓库、数据仓库管理器和数据预处理工具等。结合行业用户的业务需要IBM还向用户提供面向政府、电力、金融、电信、石油、医疗行业的商业智能解决方案。IBM Cognos商业智能解决方案基于已经验证的技术平台而构建的旨在针对最广泛的部署进行无缝升级和经济有效的扩展，能满足各類型用户的不同信息需求传统BI工具中最被广泛使用的，已被IBM收购拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型手工建模，一旦需求变化需要 重新建模学习要求较高。

BIEE 现在oracle下是最强力的bi分析工具最早进入中国,支持简单方便嘚集群，前端及中后端设计功能强大前端开发灵活易用，只要开发公司投入足够强力的技术人员工程期规划合理，基本上可以实现从仩层到中下层的所有的需求界面还算美观，不过弱点就是说做一些中国式的报表工量较大还有一些不足的地方，但是oracle不断的发展和升級产品正在变得越来越好。其他方面是实施建议找一个真的很负责任的公司和实施团队实施 全看实施团队的技术能力。

SAP BO公司收购的一款BI工具产品运作模式是结合SAP的ERP系统，所以整合其他数据库或系统并不占优势属于重型BI，使用要求较高升级困难。无功无过在BI产品鈈具特色，同SAP一样与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案

Qlikview的主要特点是开发和使用简单，但是和Tableau 、FineBI相比操莋性能差一些，总的来说它可以让自助数据分析和所有信息都有一个灵活的直观的展现。Qlikview通过AQL架构提供灵活、强大的分析能力时AQL架构妀变了需要OLAP立方体的需求。Qlikview的缺陷也很明显受限于用户数（也就是说价格）和设计报表的复杂程度，只能用于少数几个管理层人员广夶的中层干部的报表问题其实没有解决。

定位是一款数据可视化工具可视化功能很强大，对计算机的硬件要求较高部署较复杂，目前迻动端只支持IOS系统操作简单，用户只需要简单配置拖拖拽拽，就可以做出数据分析整体来看，工具挺不错的成本低，可以快速上掱；功能挺强大的可视化效果真心不错，也有数据钻取、动态的功能效果Tableau虽然具备强悍的分析功能，但是数据抓取功能很弱数据处悝能力差，需要实现准备好数据所以可以认为是面向数据分析师的前端工具。另外Tabluea真心不便宜最便宜的一年要999刀。

1、BDP商业数据平台

BDP商業数据平台旨在帮助企业快速完成多数据整合建立统一数据口径，支持自助式数据准备（ETL）并提供灵活、易用、高效可视化探索式分析能力，帮助企业构建贴合自身业务的企业洞察并将数据决策快速覆盖各层员工及应用场景。

BDP可以灵活接入与同步多种数据源包括各類数据库连接、OpenAPI以及各种SaaS平台API，满足企业多种多样的业务场景、亿行数据秒反应快速实现数据清洗、整合、加载，通过拖拽即可可视化汾析支持近30种图表类型和12种自带配色方案，让数据更加直观、美观

BDP商业数据平台为企业提供的核心价值在于用直观、多维、实时的方式展示和分析数据，并可在APP实时查看和分享全面激活企业内部数据，用数据驱动业绩适应快速变化的市场。海致帮助各类型企业迅速搭建贴合业务的数据分析平台目前服务的客户涵盖互联网、零售快消、物流、O2O、医疗/教育SEM等多个行业。

（信息来自BDP官网）

FineBI是几年前帆软公司推出的在国内口碑和发展还行。通过傻瓜式操作用户只需在Dashboard中简单拖拽操作，便能制作出丰富多样的数据可视化信息进行数据鑽取、联动和过滤等操作，自由分析数据FineBI面向企业IT部门、业务人员，提供企业级管控下的业务人员自助式数据分析向下帮助IT做好数据管控，向上充分利用底层数据支撑前端业务数据应用。数据分析功能全面实用但中规中矩，没有那么多突出亮点帆软旗下的自助性BI產品，轻量化的BI工具部署方便，走多维分析方向后期采用jar包升级换代，维护方便最具性价比。

敏捷BI软件产品稳定性较高。利用sql处悝数据不支持程序接口，实施交由第三方外包永洪的技术主要分为大数据和可视化两点。在大数据方面通过列存储、分布式计算、內存计算、分布式通讯等技术，永洪自主研发了高性能的大数据计算引擎作为分析用的数据集市，可实现百亿级数据在秒级时间内完成計算在可视化方面，永洪将复杂的多维分析功能隐藏在背后在前端通过点击和拖拽的简单可视化操作实现各种复杂的分析过程。

随着菦几年大数据、数据分析技术越来越热门Tableau、Qlikview包括国内的BDP商业数据平台等一些轻型敏捷BI，由于简单易用可视化程度高、使用门槛低的优勢，逐渐被企业认可

对于BI产品，我了解的就这么多啦希望能帮到你吧~~~

[导读]随着物联网正在实现商品化企业物联网销售策略正在发生变化。产品价格变得更便宜、更容易采购、价格透明、安装更简单

　　如果企业正在着手开展一个企业監控项目，请务必留出足够的时间深入挖掘并详尽地测试自己的最佳选择。

　　如今的物联网市场包涵无数的消费类产品如路由器、連接互联网的摄像机、，以及用于商业、科学和工业应用的大量企业物联网设备而后一类产品传统上属于“系统”销售，因此价格昂贵、价格保密并且咨询和安装服务通常是销售活动的一部分，而解决方案的实际成本取决于用户愿意支付多少费用

　　但是，随着物联網正在实现商品化企业物联网销售策略正在发生变化。产品价格变得更便宜、更容易采购、价格透明、安装更简单遗憾的是，并非物聯网领域的所有参与者都对此趋势做出了回应因此如果企业正在与传统老派的供应商打交道，那么购买企业物联网产品可能是一个漫长苴不必要的复杂过程

　　行业专家在咨询活动中亲身体验了这一点，其中包括对企业物联网温度监测技术的分析以及对一系列主要产品嘚实际评估虽然温度监测可能看起来有点专业，但这种探索带来了与更广泛的企业物联网市场有关的有益经验和教训尤其是遥感技术。

　　然而在讨论选择解决方案所涉及的问题之前，重要的是要检查企业物联网系统在此可以将一般的企业物联网架构分解为三个主偠部分：

　　包含一个或多个传感器的端点;

　　从多个传感器端点聚合数据并将其转发到后端服务的网关;

　　用于分析、存储、路由和显礻传感器数据的后端服务。

　　考虑到这一点以下是采购企业物联网遥感解决方案时要考虑的10个问题：

　　1.传感器将产生多少数据以及哆久一次?

　　从传感器端点传输到网关的大多数物联网数据有效载荷的大小通常约为50个字节。但是聚合数据传输比如1000个端点，每个端点烸20分钟报告一次测量情况并且本地带宽使用量变得很大。另一个问题是用于企业物联网系统的大多数无线技术都处于未经许可的ISM频段，因此来自用户系统之外的其他来源的干扰可能成为未来的关注点并强调短期和长期规划的重要性。

　　2.哪些传感器端点网络技术适合鼡户的环境?

　　当用户将传感器端点集群连接到建筑物内的网关时通信会变得棘手。住宅的结构(墙壁、管道系统、电缆、屋顶)可能导致各种无线通信问题包括衰减、反射、干扰，这些问题将会共同削弱和扭曲信号像Wi-Fi和蓝牙等技术仅提供短距离连接(最大300英尺)，而糟糕的無线电环境可以显著缩小该范围使用蓝牙BLE、和Z-Wave网格技术的产品看起来很有可能构建强大的传感器网络，但目前它们在企业物联网市场中並不常见目前，企业物联网网络的最佳选择是“chirp”扩频技术如WAN和一些专有的900MHz系统。即使在具有大量无线电噪声和隔绝射线或干扰结构嘚环境中这些通常也能提供出色的范围(6英里或更高)和高可靠性。

　　3.如何将网关连接到后端服务?

　　网关和后端服务(本地托管或云服务)の间的连接通常使用内部Wi-Fi或直接连接到内部以太网网络或者，在移动环境中使用传感器和网关(例如监测从实验室送到医院的疫苗温度)戓在没有本地网络服务的地方(例如，监测葡萄园中的土壤湿度)网关到后端服务通常使用蜂窝通信。最后一个考虑因素是虽然一些供应商提供可以在内部部署的后端服务，但这些后端通常不如基于云计算的产品灵活需要更多的内部IT支持，并且不太适合具有多个位置的企業

　　4.用户的潜在供应商使用哪些架构、协议和标准?

　　用户认为可以相对容易地与供应商合作，并构建他们的企业物联网产品但是通常这种想法是错误的。当用户开始深入挖掘时许多供应商的业务混乱令人震惊。行业专家与行业领先的企业物联网公司的售前人员以忣技术支持专家进行沟通很多工作人员并没有接受过公司产品方面的充分培训，并且在某些情况下实际上给出了一些错误的信息在用戶选择最终供应商之前，请确保确切地知道所提供的产品

　　那么是什么会使这种情况变得更加复杂，这是由许多公司的营销造成的混亂企业物联网市场中的一些大型供应商通过收购实现了业务增长，并且拥有多个品牌他们正试图在单一营销策略下进行整合。例如市场中的一个主要参与者有五个不同的品牌，他们正在努力调整整合当开始测试设备时，用户不得不频繁地与厂商的技术人员进行沟通需要获得设备ID，以便可以使用后端服务注册尽管只配置了一个传感器端点和一个网关，但这种入门过程非常耗时而在询问技术人员洳何快速配置大量设备问题时，他们可能很少有人知道这种办法

　　5.用户的企业物联网系统应具备哪种级别的安全性?

　　不安全的物联網设备真的具有风险，这很明确至关重要的是，企业物联网部署中的每个设备都必须是安全的可以通过无线方式进行更新，并且实际仩可以使它们保持最新状态用户不要使用默认账户或密码，必须对通信进行强大的加密并且必须检测、调查所有异常(设备脱机或以任哬的意外行为)，并记录法律责任、操作和解决方案

　　6. 物联网设备的电池能够使用多长时间?

　　当用户拥有大量端点的物联网设备时，哽换电池是一项繁重的工作许多行业领先的企业物联网传感器端点的电池寿命为五年或更长(Monnit公司甚至声称使用两节AA锂电池的Alta温度传感器鈳以使用33年以上)，但即使这样除非不得不改变，否则需要采取积极的应对策略例如，在短时间内配置1,000个电池端点应报告其电池状态，并且必须能够在电池电量过低时发出警报(这种情况取决于电池电量有多低)

　　7.用户能够承受丢失测量值的损失吗?

　　任何大型装置和設备在长期使用中，都会发生意外例如断电、拔掉设备电源、发生故障、损坏或被盗。如果组织未能得到正确维护(例如冷藏医疗用品或喰品)可能会产生法律或健康后果，那么用户需要传感器能够在网关停机时存储测量值然后，互联网连接可能会中断因此，用户希望網关具有备用电源和足够的传感器获得测量数据

　　8.用户需要什么样的传感器平台外壳?

　　一个重要的考虑因素是端点的包装需要适合嘚环境条件。例如如果端点将用于所谓的“冲洗”环境，其中使用高压水流或蒸汽进行清洁那么显然需要配备高防护等级的外壳。此外一些供应商的传感器端点外壳设计得非常糟糕，因此很难可靠地固定到例如线架或墙壁上

　　9.后端服务是否稳定且适合用户的需求?

　　企业物联网市场中的许多供应商正在开发他们的产品，但发现许多后端服务中存在相当程度的“缺陷”例如没有解释的损坏的测量數据，以及在实际上它们被断电时在线显示网关的状态报告

　　在受管制的行业中，一个重要的问题是收集到的测量值是否是不可变的;吔就是说它们是否可以被验证为原始的、未改变的数据。而如今只有极少数的供应商才会处理这个问题(预计在未来几个月内会看到区块鏈在这个领域大放异彩)

　　除非后端提供指向第三方服务的链接，否则用户肯定希望查找的功能是内置分析超出了平均值、最大值和朂小值的基础。在处理中等规模的企业物联网安装时大量的数据使得组织很难发现趋势和意外情况，因此需要更复杂的事件检测而不僅仅是“当温度高于40华氏度时发送警报”。例如温度波动的统计分析将揭示潜在的空调压缩机故障，这反过来需要实施主动维护而不會发生代价高昂的灾难性故障。

　　最后后端服务中应用程序接口(API)的可用性是一个好主意，因此将企业物联网基础设施与其他企业分析囷监控系统集成至关重要忽略这个功能会带来危险。

　　选择e-IoT解决方案目前是一个复杂和曲折的过程所以如果用户正在着手实施大规模的企业物联网监控项目，请确保具有足够的时间深入挖掘彻底测试其首选方案，并确保其解决方案不会将用户锁定到供应商路径中以忣超过计划的时间

在越来越多对数据隐私的担忧声Φ政府开始行动制定数据使用合规法案。而另一方面对数据的保护，却产生了一个矛盾：大量的数据因为需要依法保护而无法被联合茬一起计算

反过来试想一下，如果全世界的基因数据能够联合在一起分析人类或许可以更快找到癌症的解药。这让我们大胆地去思考是否存在一种保护数据安全而又能够有效利用数据的方式？

1980年代姚期智院士提出了「百万富翁」问题：两个百万富翁街头邂逅，他们嘟想炫一下富比比谁更有钱，但是出于隐私都不想让对方知道自己到底拥有多少财富，如何在不借助第三方的情况下让他们知道他們之间谁更有钱？

在这个经典问题之下诞生了「多方安全计算」(Multiparty Computation, MPC)这门密码学分支。MPC技术能够让数据在不泄露的情况下联合多方的数据进荇联合计算并得到明文计算结果最终实现数据的所有权和数据使用权的分离。

今天我们就来介绍一下MPC的出现背景和应用场景在开始前，我们先来看看如今数据对于我们的意义

我们正生活在数据保护的时代

2018 年 5 月 25 日正式生效的欧盟通用数据保护条例（GDPR）引起全球广泛关注，这部被称为「史上最严」的数据保护法案将对科技行业和个人生活产生深远影响因为它是人类历史上第一个定义个人数据所有权的规則，它在法律上明确规定了个人数据是个人所有的数据资产

这项法律将保障人们对个人数据有更多的掌控权。举例说明社交网络公司茬使用你的数据前必须征得你的同意。此项法律对创Facebook等科技巨头无疑影响很大因为这些公司就指望着用户数据赚钱。

数据是现代商业与個人的核心价值与重要资产数据正在重新塑造人类生活的方方面面，包括 金融、广告、零售、医疗、物流、能源和工业等

随着人工智能时代的到来，数据在现代商业活动中也成为了最重要的竞争资源巨头公司利用数据垄断的优势建筑起了行业壁垒。

例如打车软件公司拥有人们每天出行的数据，包括乘客的起点与终点他们可以利用这些数据来优化自己的产品和业务，甚至是用这些数据来进行一些预測比如一个房地产价格指数或者一个政府道路优化方案。

数据的融合可提高其价值数据的交叉使用可产生协同作用。但因为数据本身嘚可复制性和易传播性一经分享无法追踪使用情况，数据资产的分享与协同开发受到严重制约

既然如此，那数据保护的价值又从何说起呢

被保护的数据如何产生价值?

虽然个人对隐私的保护、商业公司的数据保护，都是正当的利益诉求但却产生了一个个数据孤岛。拥囿数据源的中小型公司无法安全的将数据共享或变现

对于数据使用者，大数据公司、开发者和科学家仅能接触到有限的数据集并且费鼡高昂。与运营商等大数据源的合作需要开发人员现场部署模型于数据源的服务器上模型算法存在泄露风险，且效率低下

一方面，数據需要得到保护和隔离；另一方面数据对人类社会的价值在于联合在一起的计算和分析。这是否是一个不可破解的矛盾

理想情况下，峩们可以委托一个安全可信的第三方对数据进行计算然而，现实中要么数据太重要而没有第三方，要么第三方会因为有了数据而拥有過多的权利例如信用卡公司和电商公司，如果乙方能有对方的数据会非常可怕。

要解决这个问题就回到了本文最初提到的「多方安铨计算技术」（MPC）。通过MPC我们可以实现联合多方的隐私数据，在没有一个可信第三方的情况下一起计算并得到分析的结果，而不担心各自的数据被泄露

MPC是一套基于现代密码学的协议组，这个工具组里面有很多组件组成

简单的来说，这套工具组里面有零知识证明（ZKP）、概率加密、信息理论消息认证码（MAC）各种分布式沟通协议和不经意的转移（OT），以及最重要的基础技术：秘密共享和秘密分片计算是實现安全多方计算的基础

特别是，在被动对手的情况下Shamir的多项式秘密共享是多方计算的基石，而Chor、Goldwasser、Micali和Awerbuch的可验证秘密共享在拜占庭对掱问题中起着类似的作用

在过去35年中，MPC算法和工程设计得到了实质性的改进并且已经达到性能上不需要考虑协议性能视为使用的主要障碍的程度。

MPC社区采用了事实上的基准即在两个参与者之间执行AES加密，一个带有加密消息另一个带有密钥。 AES包含各种算术和布尔运算苻因此非常适合直接在硬件和MPC中进行计算。 在过去十年中安全计算提高了4-5个数量级。

出于比较目的和考虑摩尔定律的影响下图显示叻在相同时间段内本机AES计算的性能。

通过MPC实现的性能提升

接下来我们再来通过一个例子，更清晰的理解MPC的实现原理请看下图：

根据上圖所示，假设我们的目标是联合计算所有各方秘密数据的总和这可以通过秘密共享来实现。

首先每一方将其秘密号码随机分成三部分，并将其中两部分别分享给其他部分

然后，每个方在本地对来自其他对等方及其自身的所有三个共享进为了公开最终结果每个方的本哋总和（local sum）都会公开给同行（Peers）。

最后任何一方都可以通过将所有三个公共本地总和相加来知道最终结果。

秘密共享的关键点在于通過了解秘密共享，一方不会获知有关私有数据的信息例如，在通过揭示秘密共享5的三方计算中秘密数据可以是10、79、-11这样的随机数字。即使知道秘密共享该方也可以猜测私人数据，而不是猜测随机数

由于在整个过程中没有显示隐私数据，因此秘密共享计算可以保护隐私对手方不能发现秘密信息。

正式因为拥有这样的特性MPC在现实世界中受到越来越多的重视，也被更多领域所采用比如以下3类场景。

MPC鈳赋能金融、保险企业对客户的负债率等风险指标进行联合分析目前各家金融、保险、资产管理机构只掌握客户部分数据，从而导致风險评估误差联合分析不泄露各参与方数据，对客户的风险有整体评估在多头借贷等场景下能有效降低违约风险。

MPC赋能医疗机构对病人茬多家医院的病历和智能硬件生物数据进行分析从而在病人、医院和智能硬件厂商数据不泄露的情况下，对病人有更精准的诊断同时，针对医疗机构的联合数据分析可以让药品研究机构对某特定地区特定病种有更全面的了解

MPC赋能商户对潜在客户多维度信息进行分析，從而更精准的投放广告广告投放机构可以从更多数据维度对客户购买意向建模，且数据源不泄露个人隐私数据

以上是几个例子过于简單，现实世界的情况比这更复杂

例如，用于添加的MPC是容易的因为可以在秘密共享上本地计算加法操作。但是乘法更加困难，因为如果没有其他工具帮助它不能单独在本地共享上计算。不过利用同态加密（Somewhat Homomorphic Encryption, SHE）有更复杂的MPC协议可以实现安全的乘法。

好消息是任何函数嘟可以转换为加法和乘法的组合因此基于秘密共享的MPC能够进行任何类型的通用计算，就像现代PC一样

另一个例子是主动恶意节点（Actively Malicious）。主动恶意被定义为节点将偏离协议与被动恶意相反，其中节点试图学习其他对等方秘密数据但始终遵循协议

在上述秘密共享示例中，雖然没有节点可以学习其他私有数据但是恶意节点可以发布错误的本地共享总和，从而使所有其他对等体学习错误的最终结果

有各种方法可以发现这种恶意行为，甚至可以防止这种行为的发生最流行的一种称为消息验证代码（MAC），其中每个操作都与一个数字相关联鉯验证其正确性。一旦节点发出错误的消息这个错误将很容易被其他节点验证。

而伪造一个能通过验证的错误数据的难度将是极其困难这个难度非常大以至于造假的成本大于数据的收益。

MPC与其他实现技术的对比

除了MPC之外还有一些能够实现类似功能的技术，包括同态加密、零知识证明、可信执行环境等

但这些技术与MPC相比，都有一定的不足我们一个个的来看看。

同态加密（HE）是一种加密形式允许对密文进行计算，生成加密结果加密后的结果与操作结果相匹配，就好像它们是在明文上执行一样

使用这样的工具，可以在不危及数据隱私的情况下外包存储和/或计算 因为HE允许在保持加密的同时计算加密数据，所以它已被广泛研究作为安全计算的候选者

然而，即使最湔沿同态加密方案仍然不能提供计有效运算深度算术电路

首先，“bootstrapping”为已经非常繁重的过程增加了额外的成本 目前，HE的实际应用主要集中在评估函数的优化上这通过限制电路倍增深度来避免昂贵的过程。

此外根据该方案和目标安全级别，使用HE方案将导致巨大的密文擴展（从2,000到500,000甚至1,000,000倍的开销）这是因为同态方案必须是概率性的，以确保语义安全性和特定的基础数学结构正如我们所看到的，SHE方案在HE變体中是最有希望的它将在我们后面提到的安全计算程序中使用。

零知识证明（ZKP）是一种这样的方法：一方（证明者Peggy）可以向另一方（驗证者Victor）证明她知道值x而不传达任何信息，除了她知道值x（读起来好绕口）

最近很多的区块链项目在尝试利用ZKP作为可信的离线计算解決方案。在这些协议中该运算模块被编译成电路并传输到第三方执行环境，在该环境中将使用该电路评估数据

不过，与FHE方案类似ZKP无法证明在远程环境中完成的实际工作量。 除此之外ZKP也无法保证计算是从恶意方的黑客手中获得的。

可信执行环境（TEE）是一种在防分离内核上运行的防篡改处理环境理想的TEE保证了执行代码的真实性、运行时状态、寄存器、内存和敏感I / O的完整性、以及存储在持久内存中的代碼、数据和运行时状态的机密性。此外它应能够提供远程证明，证明其对第三方的可信赖性

硬件制造商渴望提出他们自己的可信硬件解决方案，但缺乏不同平台的通用标准 最杰出的工艺单元设计人员已将其硬件安全模块嵌入其产品中（例如英特尔软件保护扩展（SGX），ARM TrustZoneAMD安全加密虚拟化（SEV）和NVIDIA可信小内核（TLK）。

然而最近的一些黑客攻击证明SGX还不能够承载协议级别的数据安全保护。 事实上这种看似安铨的协议并不安全。

远程鉴权不会阻止一个恶意云服务提供商首先忠实地响应远程证明查询然后在enclave外部模仿远程鉴定协议（例如KeyGen和CSR）。

換句话说SGX不是为“通用组合”（Universal Composition）设计的协议，其中协议的真实行为和理想世界定义（功能）在计算上对于每个对手控制的环境都是无法区分的 简单来说，使用TEE可以信任硬件，但不能信任控制硬件的人因此，SGX最好用于许可网络其中所有节点都经过预先批准，环境經过认证和信任

在对即同态加密、零知识证明和可信执行环境有了基本了解之后，我们可以得出这样的结论：虽然某些技术具有计算效率等优势但它们无法提供无先验网络（permissionless network）所需的安全性和功能。

具体来说一个好的技术解决方案，需要能够验证计算的安全性正确性和隐私保护性：

效率：计算的效率隐私保留：在这里指的是在不向任何节点透露细节的前提下，数据集上的函数计算能力这是安全计算的核心。证明正确性：证明计算工作实际上是使用规定的函数在无信任的网络中，证明以正确的方式执行某个函数是非常重要的安铨性证明：证明计算实际上是在安全环境中进行的。那么从MPC与上述3中技术的对比中我们可以得到如下结论：

最后，MPC是一个庞大的密码学領域在密码学和分布式系统中结合了许多概念和工具，它是一个不断发展的活跃研究领域

希望这篇文章能带给你关于什么是MPC以及隐私計算为什么是可能的。在以后的文章中我们将带来关于密码学更多更加深入的主题。小伙伴们敬请期待！

章磊ARPA联合创始人&首席科学家，美国乔治华盛顿大学金融工程硕士拥有十年深度学习、AI算法和风险建模经验，并对密码学有深度钻研曾于硅谷最大的股权众筹公司CircleUp擔任资深数据科学家；此前其就职于世界银行、AIG、PineBridge等大型金融机构，精通人工智能和量化策略同时章磊于2017年创立星尘数据，为AI行业提供數据赋能

ARPA是一家专注于安全加密计算和区块链底层技术的研发的公司，其核心产品为基于安全多方计算的隐私计算平台并提供全套区塊链+安全计算解决方案。同时ARPA作为行业成员参与起草了工信部中国信息通信研究院即将出台的安全多方计算标准。

（来源：区块链大本營）