分布式数据处理（Distributed Data Processing）
基于分布式系统技术（如微服务架构和容器化部署），提供可扩展的计算框架以处理海量数据。数牍科技创新点在于结合密码学和联邦学习构建数据网格，优化资源调度和容错机制，实现在原始数据不流动前提下的高效并行计算。技术包括云原生支持（如Kubernetes）和流处理能力。
联邦学习（Federated Learning, FL）
联邦学习是一种分布式机器学习框架，模型在本地训练数据后仅交换更新参数，而原始数据保留在本地。数牍科技在实现中集成了高级协议（如安全聚合和模型压缩），创新点在于支持跨机构、跨设备的协作场景，通过高效通信机制减少网络延迟，并确保模型收敛性在数据隔离环境下。
差分隐私（Differential Privacy, DP）
差分隐私通过向查询结果添加统计噪声来实现数据隐私保护，确保个体记录的泄露风险可控。数牍科技的技术聚焦于高效机制（如本地和中心化差分隐私），创新点包括优化噪声添加算法以平衡隐私与数据效用，支持大规模数据集下的实时查询，确保在数据不流动环境中提供可验证的隐私保障。
安全多方计算（Secure Multi-Party Computation, MPC）
安全多方计算是一种密码学技术，允许多方在不泄露各自私有数据的情况下协作执行计算函数。数牍科技在实现中优化了其效率（如通过并行计算和硬件加速），支持多方复杂计算场景。创新点在于结合定制化协议（如Garbled Circuits和秘密共享）确保计算过程中的数据隐私，同时减少通信开销，满足在原始数据不流动前提下的高效性能。
融资次数
1
员工数量
100-499人
专利数量
45
经营范围
技术开发、技术转让、技术推广、技术服务、技术咨询；计算机系统服务；基础软件服务；应用软件服务；软件开发；软件咨询；数据处理（数据处理中的银行卡中心、PUE值在1.4以上的云计算数据中心除外）；设计、制作、代理、发布广告；销售计算机、软件及辅助设备、电子产品、通讯设备。（市场主体依法自主选择经营项目，开展经营活动；依法须经批准的项目，经相关部门批准后依批准的内容开展经营活动；不得从事国家和本市产业政策禁止和限制类项目的经营活动。）
主营业务
为企业和机构提供基于密码学和分布式技术的安全数据协作服务，实现在原始数据不流动前提下支持多方复杂运算的网络环境，解决数据隐私保护和流通痛点。
北京数牍科技有限公司
其他有限责任公司
￥2,093万
2019-08-12
宋一民
010-82885402
zhixingbangongsjhi@sudoprivacy.com
北京市海淀区成府路28号10层2-1002