摘要：抖音集团安全研究团队发起Jeddak星火计划，致力于支持安全计算领域科学研究与技术攻坚，解决机密计算、密态计算、隐私数据保护等领域的关键问题。即日起开启课题征集申报，诚邀高校及研究机构的学者报名参与。

一、Jeddak星火计划介绍

当下，数字化、智能化已然成为推动经济发展、科技创新的核心驱动力。尤其是近年来大模型应用的爆发式增长，对于垂直领域的数据需求呈指数级攀升。但同时，对于数据与计算的安全也提出了更高的要求。随着各行业数字化智能化水平的不断加深，隐私计算与安全计算领域正在发挥愈发重要的作用，确保数据在被使用、共享和分析过程中，其机密性、完整性和可用性得以有效保障。

抖音集团重视安全领域的研究与落地，其安全研究团队研发的Jeddak可信隐私计算平台具备多方安全计算、联邦学习、可信执行环境、差分隐私和同态加密等多项能力。主要面向端到端数据安全和计算过程中的数据隐私保护，助力实现安全合规的数据流通交易与融合共享。

抖音集团安全研究团队发起Jeddak星火计划，致力于支持高校及科研机构学者深入开展安全计算领域技术攻坚，解决该领域关键问题。

即日起，将开启Jeddak星火计划课题征集申报，希望助力机密计算、密态计算、隐私数据保护等方面的研究，结合大模型给安全计算领域带来的新要求，通过软硬件结合等多种路线与方式，推动相关技术向前发展。

现诚邀高校及研究机构的学者报名参与，和我们共同攻克安全计算关键问题，在这一前沿领域开拓创新，为构建安全可靠的软硬件生态贡献智慧与力量。我们将为每个课题提供40~70万元经费支持。

二、征集研究方向：

「1. 机密计算基础设施」

在大模型应用爆发式增长的时代，机密计算基于其底层可信硬件的安全性，为数据隐私和模型资产安全提供了一种灵活、高效、实用的解决方案。在大模型实际生产应用场景中，课题计划进一步完善机密计算基础设施建设，降低可信服务的部署使用门槛、提升执行效率。

建议的研究方向（可任选其中一个或多个结合）：

• a. 大规模机密容器服务基础设施
• b. 高性能的TEE I/O(网络、存储)
• c. 跨TEE节点（CPU+GPU）的高性能计算
• d. 大模型推理计算加速（例如，prefill / decode分离等优化技术）

「2. 机密计算信任体系：」

机密计算可有效保护敏感数据与模型，使其免受泄露、窃取与滥用风险。除了可信硬件体系提供的机密性与完整性保障以外，课题计划进一步对其中运行的基础软件栈与应用负载提供可信构建、度量、分析证明能力，以实现更加完整的信任体系，提升用户对企业服务的信任度。

建议的研究方向（可任选其中一个或多个结合）：

• a. 可信编译系统构建方法：探索可信编译系统构建方法，确保软件供应链发布的代码和待运行负载具有对应性，并进一步建设面向机密计算服务的CICD流程；
• b. 可度量体系构建方法：针对目前CVM远程证明缺乏应用层度量的问题，以及无法全面开源的问题，建立一套安全评估体系，用来确定更加合理的度量域，并且完善相应的度量方案。
• c. 可信程序分析方法：探索高效可用的程序分析框架，来判断应用本身的安全性，规避运行代码中隐私泄露、安全合规等风险，兼容多种代码语言和应用场景。

「3. 高性能安全多方计算」

安全多方计算由于具有可证明的安全性，被广泛应用于数据分析、机器学习等场景，为敏感数据提供安全保护能力。在实际生产环境中，面对十亿甚至百亿规模的海量数据以及大模型动辄数十B的参数，课题计划设计更为高效的安全多方计算协议，使其在海量数据分析和大模型训练推理场景中更加实用。

建议的研究方向（可任选其中一个或多个结合）：

• a. 在百亿至千亿量级的数据查询分析场景下，时间、空间、通信最优的安全多方计算数据分析算法、范式以及系统框架（如存储、通信、调度等）
• b. 面向十亿以上参数规模大模型的高性能安全多方计算训练算法与协议，包括基础算子与迭代算法实现、跨层优化设计，以及推理平台实现等；
• c. 基于安全多方计算、同态加密等技术的隐私保护向量数据库的索引结构、检索算法与查询优化。

「4. 软硬件融合密态计算：」

结合硬件设备与密码学实现高性能密态计算，是安全领域一直以来的核心探索方向。高速计算硬件可以有效加速密码学运算，可信硬件设备可以减少密码学算法中的复杂交互步骤，从而达到安全与效率兼具的密态计算目标，又弥补了单纯依靠硬件或者密码学实现密态计算的局限。课题计划针对大数据计算以及大模型训练推理场景，探索可实用的软硬件融合密态计算技术。

建议的研究方向（可任选其中一个或多个结合）：

• a. 结合可信硬件设备（例如，TEE、TPM等）的密码学信任模型构建，以及安全多方计算或同态加密等算法与协议的高性能实现；
• b. 基于专用或通用硬件设备的高性能密码算法与协议实现，包括但不限于同态加密、安全多方计算等，以及低成本、低功耗、高可靠、易维护的配套加速硬件方案。

「5. 隐私保护数据合成」

在大模型技术不断发展的今天，数据成为最重要的资源。如何尽可能广泛地采集数据并将其应用于大模型训练以获得性能提升，但是同时又要严格保护用户隐私、避免敏感数据违规使用，是企业面临的主要安全难题之一。课题计划探索面向大模型的隐私保护数据合成技术，既能保持原有数据的分布特性，同时能够消除隐私与敏感信息，为数据在模型训练中的合规使用提供新路径。

建议的研究方向（可任选其中一个或多个结合）：

• a. 基于生成对抗网络、扩散模型、概率合成等方法的隐私保护多模态数据（文本、图像或声音）合成技术
• b. 面向多模态数据的隐私信息度量方法与评估指标，为合成数据的隐私保护程度建立科学合理、可操作的评估手段

三、申请条件：

面向高校/科研院所的学者开放申请，申请者须符合以下条件：

• a. 工作于具有独立法人资格的高校/研究机构，从事可信计算、安全计算、隐私计算、密码学等相关领域的科学研究。
• b. 在上述领域具备优秀的研究基础、创新能力，以及高度投入的科研热情，有能力带领团队参与并完成课题研究与实践。

四、申报方式：

• 点击“阅读原文”，在飞书文档中获取《Jeddak星火计划申请表》
• 填写《申请表》后，发送至邮箱[email protected];

注：报名截止时间为北京时间2025年2月28日24点。

五、计划里程碑