Die Metropole Beijing im Abendrot.
(Quelle: CRI Deutsch, VCG)
Vorbereitungen für 5. CIIE in Endphase
Die Vorbereitungen auf die fünfte Internationale Importmesse Chinas (CIIE) sind größtenteils abgeschlossen. Die verbliebenen Standvorbereitungen laufen noch auf Hochtouren. Die fünfte CIIE wird vom 5. bis 10. November in der ostchinesischen Metropole Shanghai stattfinden.
(Quelle: CRI Deutsch, VCG)
Ant Group Secret Flow: Hilfe bei der Nutzung von Privacy Computing in intelligenten öffentlichen Diensten
Wang Lei, der General Manager der Abteilung für Datenschutz-Intelligenz-Computing der Ant Group, erforscht Datenschutz-Computing bei Ant bereits seit 2017, bevor das Konzept des Datenschutz-Computings überhaupt existierte. Ursprünglich hieß es Shared Intelligence, in der Hoffnung, das Problem der Datensicherheit und des Schutzes der Privatsphäre bei der gemeinsamen Nutzung von Daten zu lösen.
Im Laufe der Jahre hat die Rolle von Datenelementen in der Wirtschaft immer mehr an Bedeutung gewonnen. Einschlägige Maßnahmen wurden nacheinander eingeführt, um den vollen Datenfluss zu fördern und die Produktivität zu steigern, während gleichzeitig vorgeschlagen wurde, die Datensicherheit zu gewährleisten, so dass Datenschutz heutzutage ein heißes Thema ist.
Vom Konzept zur heißen Technologie
1982 schlug der Turing-Preisträger Andrew Chi-Chih Yao das berühmte Problem vor: Zwei Millionäre wollen beide wissen, wer reicher ist, wollen aber ihre Vermögensdaten nicht preisgeben. Wie kann man das Endergebnis berechnen und gleichzeitig die Privatsphäre beider Parteien schützen? Dies ist das klassische Problem der sicheren Berechnung mit mehreren Parteien, das im Wesentlichen ein Problem der kollaborativen Berechnung mit Beschränkungen ist.
In der Praxis der Ant Group sind zahlreiche aktuelle Mainstream-Technologien des Privacy Computing die wichtigste Gestaltungsrichtung. Unter der Leitung von Wang Lei hat Secret Flow auch MPC, TEE, FL, HE, DP und andere Privacy-Computing-Technologien integriert, um eine umfassende Datenanalyse und -verarbeitung zu ermöglichen, die von der Erkundung der Szene über die Ausfällung von Anwendungen bis zur endgültigen Integration des Frameworks reicht.
Erkundung der skalierbaren Anwendung des Secret Flow Frameworks
Heute ist das Secret Flow Framework relativ ausgereift und unterstützt sowohl schnelle Iterationen von Geschäften in der frühen PoC-Phase als auch die Lösung des Problems der Skalierung von Geschäften nach erfolgreicher PoC-Validierung.
Um das Jahr 2020 herum trat das Ant-Team in die Phase ein, in der es die Anwendung von Privacy Computing im großen Maßstab erforschte, und stieß dabei auf verschiedene Probleme in Bezug auf Leistung, Stabilität und Benutzerfreundlichkeit im realen Anwendungsbereich.
Zum Beispiel die Zusammenarbeit zwischen Secret Flow und Banken bei der Vergabe von Kleinstkrediten für Kunden mit langen Laufzeiten. Für das Kreditgeschäft mit Privatkunden haben beide Seiten eine ganze Reihe von Lösungen zur Risikobewertung entwickelt, die ein Risikomodell mit sicherem Multi-Party-Computing verwenden. Bei der Berechnung werden die Daten der Bank und ihrer Partner verwendet, um gemeinsam die Effektivität des Modells zu verbessern und gleichzeitig die Sicherheit und den Schutz der Daten zu gewährleisten.
Insgesamt identifizierte das Modell mehr als 145.000 Hochrisikokunden und verhinderte die Vergabe von Hochrisikokrediten in Milliardenhöhe. Gleichzeitig wurden fast 400.000 Niedrigrisikokunden mit einem potenziellen Kreditvolumen von etwa 10 Milliarden Dollar identifiziert. Die Technologie des Privacy Computing hat den Banken geholfen, die Qualität der Kredite erheblich zu verbessern. Ohne multivariaten Datenaustausch auf der Basis von Privacy Computing wäre es für herkömmliche Modelle schwierig gewesen, diese Kunden für Kredite zuzulassen. Das Modell ermöglicht es Krediten, mehr potenzielle Kunden mit größerer Präzision zu erreichen.
Neben dem Finanzwesen ist das Gesundheitswesen ein weiterer wichtiger Anwendungsbereich. Falldaten sind oft über mehrere Krankenhäuser verstreut, und Krankenhäuser haben strenge Datenschutzanforderungen. Die Technologie des Privacy Computing ermöglicht es, medizinische Daten und Proben zwischen verschiedenen Institutionen auszutauschen, ohne das Krankenhaus zu verlassen. Ein Krankenhaus in der chinesischen Provinz Zhejiang hat sich mit der Alibaba Cloud-Plattform für medizinisches Big Data Management zusammengeschlossen, um die DRGs (Diagnosis Related Grouping) anzuwenden. Damit wurden die Grenzen der Datenkooperation zwischen verschiedenen medizinischen Einrichtungen überwunden und die Genauigkeit der einzelnen Einrichtungen bei der Vorhersage der Diagnoseklassifikation erheblich verbessert.
Schaffen Sie eine gemeinsame, einheitliche analytische Architektur für verschiedene Unternehmen
Gegenwärtig haben die verschiedenen technischen Wege des Privacy Computing unterschiedliche Eigenschaften, und jeder technische Weg löst oft nur einen Teil der Anwendungsszenarien. Daher ist eine der wichtigsten Ideen bei der Entwicklung des kryptografischen Rahmens, verschiedene technische Wege mit einer einheitlichen Architektur zu verbinden. In der frühen Phase der Erkundung bildeten verschiedene Technologien wie Multi-Party Secure Computing, föderiertes Lernen und vertrauenswürdige Ausführungsumgebungen jeweils ihre eigenen Rahmen, was eine zunehmende Herausforderung sowohl für den Technologie-Routenwechsel der Szenarien als auch für die F&E-Kosten der Technologien darstellen würde.
Föderiertes Lernen stammt aus dem Bereich des maschinellen Lernens, das im Wesentlichen eine Art von Klartext-Mixed Computing mit der Beteiligung mehrerer Parteien ist. Während sicheres Rechnen mit mehreren Parteien aus dem Bereich der Sicherheit stammt, wird in der Praxis, um die Effizienz von Algorithmen zu verbessern und unter der Prämisse, die Sicherheit der Beweise zu gewährleisten, ein Teil des Berechnungsprozesses auch im Klartext durchgeführt, so dass es sich auch um Klartext-Mixed Computing handelt; unter diesem Gesichtspunkt greift Secret Flow ein und vereint föderiertes Lernen und sicheres Rechnen mit mehreren Parteien.
Die beiden werden auch im Rahmen des Secret Flow unterschieden und klar definiert. Sicheres Rechnen mit mehreren Parteien wird als beweisbare Sicherheit bezeichnet, während das Lernen im Verbund nicht als beweisbare Unsicherheit gilt. Ersteres ist hochgradig sicher, leidet aber unter Defiziten bei der Rechenleistung. Letzteres macht Zugeständnisse bei den Sicherheitsannahmen, verbessert aber die Rechenleistung und die Skalierbarkeit. Die Wahl einer technischen Lösung erfordert eine Bewertung auf der Grundlage der unterschiedlichen Bedürfnisse in konkreten Geschäftsszenarien. Bei der konkreten Anwendung bespricht das Team der Ant Group mit dem Kunden, welche Technologie zur Lösung eines bestimmten Problems eingesetzt werden soll.
Dazu gehört auch ein Schlüsselkonzept des Datenschutzes, die Sicherheitslinie. Sicherheit ist ein relativer Begriff, und die so genannte Sicherheit muss unter einer bestimmten Sicherheitsannahme stehen. Daher ist die Sicherheitslinie oft ein Branchenkonsens, der auf dem Verständnis der Branche für die Sicherheitsanforderungen in praktischen Anwendungen beruht.
Unterschiedliche Branchen und unterschiedliche Geschäftsszenarien haben unterschiedliche Anforderungen an die Sicherheitslinie. Bei der Entwicklung einer Lösung stellt die Ant Group eine Referenz für die Sicherheitslinie zur Verfügung, aber es ist wichtiger, dass die Benutzer die am besten geeignete Lösung zur Sicherheitsprävention auf der Grundlage ihres Verständnisses der Branche auswählen. Bei einer Lösung gibt es unterschiedliche Prioritäten zwischen Genauigkeit, Leistung und Kosten. Aber unabhängig von den Kompromissen ist es notwendig, die Lösung zu wählen, die die Mindestanforderungen an die Sicherheit erfüllt.
Kontinuierlich offene Quellen für mehr Anwendungsmöglichkeiten
Secret Flow begann als technologiegetriebenes, zukunftsorientiertes Projekt mit experimentellem Charakter. Im Gesamtdesign des Frameworks berücksichtigt Secret Flow auch die Überlegungen zum zukünftigen Entwicklungsweg des Privacy Computing.
Wang Lei sagte, dass das Team in den frühen Tagen des Privacy Computing, als die Nachfrage akzeptiert wurde, von den Algorithmen zu den zugrunde liegenden Protokollen überging. Da jedoch immer mehr Geschäftsszenarien zu bewältigen sind, wird dieser fallbasierte Anpassungsansatz ineffizient. Daher wird bei der Entwicklung des Steganographie-Frameworks eine angemessene Schichtung der Datenschutzberechnung vorgenommen.
Auf der untersten Ebene verfügt Secret Flow über ein steckbares Design für Privacy-Computing-Protokolle. Wenn ein neues Privacy-Computing-Protokoll auftaucht, kann Secret Flow das neue Protokoll schnell integrieren, so dass alle Algorithmen auf der obersten Schicht des Frameworks das neue Protokoll schnell nutzen können.
Auf der oberen Ebene ist Secret Flow an ein natives Framework für maschinelles Lernen angedockt, so dass neue Techniken des maschinellen Lernens schnell und einfach auf Secret Flow migriert werden können, ohne dass eine zusätzliche Entwicklung erforderlich ist, um Verbesserungen beim Datenschutz zu erhalten.
Heutzutage ist das Secret Flow-Framework in den Open-Source-Pfad eingetreten, um durch die Open-Source-Ko-Konstruktion die Kommunikation mit mehr Branchen zu fördern und mehr Anwendungsmöglichkeiten des Privacy Computing zu erkunden.
Darüber hinaus wurde die Secret Flow Open Platform, die auf dem Secret Flow Framework basiert, auf der kürzlich beendeten 2022WAIC veröffentlicht, was bedeutet, dass Secret Flow die Schwelle für relevante Nutzer weiter gesenkt hat. Die offene Plattform nutzt die Erfahrung der Ant Group bei der Landung im Finanz-, Gesundheits- und Versicherungswesen sowie in anderen Branchen, und die Benutzer können die Datenschutzfunktion direkt nutzen, indem sie den weißen Bildschirm per Drag & Drop verschieben.
(Quelle: Ant, Github, Mittrchina)
Herbst im Potala-Palast
Die Fotos zeigen die Herbstlandschaft des Potala-Palastes in Lhasa, dem Autonomen Gebiet Tibet (Xizang) im Südwesten Chinas.
(Quelle: CRI Deutsch, Xinhua)
Startmission von Labormodul „Mengtian“ erfolgreich abgeschlossen
Um 15:37 Uhr am Montagsnachmittag ist das Raumlabormodul „Mengtian“ für die chinesische Raumstation von einer Trägerrakete „Langer Marsch 5B Y-4“ vom Wenchang-Startplatz ins All geschickt worden. Circa acht Minuten später trennte sich das Labormodul mit der Rakete und trat korrekt in die geplante Umlaufbahn ein. Damit ist die Startmission erfolgreich abgeschlossen worden.
Das Labormodul „Mengtian“ ist das dritte Modul der chinesischen Raumstation und das zweite Modul für wissenschaftliche Experimente. Es besteht aus einer Arbeits-, einer Lade-, einer Luftbremse-Güter- und einer Ressourcenkapsel. Beim Start wiegte es circa 23 Tonnen. Das Modul wird hauptsächlich für raumwissenschaftliche sowie angewandte Experimente eingesetzt. Mit der Verwaltung des Raumstation-Komplexes und einem zügigen Gütertransport werden wissenschaftliche Experimente innerhalb und außerhalb der Raumstation unterstützt.
Es handelt sich um die 25. Flugmission seit Beginn des chinesischen bemannten Raumfahrtprojekts und dem 446. Flug einer Trägerrakete der Langer-Marsch-Serie.
(Quelle: CRI Deutsch, CCTV-13)
Chinese scientist proposes multi-robot collaborative 3D printings, accelerating digital construction
With the development of robotics, 3D printing of buildings is becoming possible, but the equipment used for 3D printing of building structures is often large, limiting the height of printed buildings.
Scientists from Imperial College London and Queen Mary University of London have successfully developed a 3D printing device for building materials and a high-precision material deposition actuator that can be mounted on a drone, and have developed autonomous navigation and task allocation method that enables the communication between multiple drones, as well as optimizing the number and time allocation for simultaneous printing of drones.
By combining the respective advantages of a free and flexible flying UAV and a parallel robot with high precision and high rigidity, the instability of the UAV in the air is successfully solved, and the error of its end-effector is controlled within 5 mm, making aerial high-precision 3D printing by UAV possible.
Considering the uncertainties such as expansion or sinking during the deposition of different materials, the team introduced a measurement and evaluation method for the printed structure based on 3D image scanning and reconstruction technology, effectively controlling the accumulation of errors between the printed building mechanism and the design model during the printing process, and adjusting the flight trajectory of the UAV in the subsequent printing process in real-time.
On September 21, the paper was published as a cover article in Nature under the title “Aerial additive manufacturing with multiple autonomous robots”.
The first author of the paper is Ketao Zhang, an assistant professor in the School of Engineering and Materials Science, Queen Mary University of London, and the corresponding author is Mirko Kovac, a professor in Aerial Robotics, Imperial College London.
Building a 2-meter-tall column structure in 30 minutes
3D-printed buildings by drones may look cool, but in reality, it took almost 10 years to go from idea to gradual optimization and full scientific validation.
In 2014, Professor Mirko Kovac’s team came up with the idea of 3D printing buildings from drones. In the initial stages of the study, researchers fixed the 3D printing device underneath an unmanned person. However, the problem came with the small changes in the UAVs’ positions in the air, which caused a wide range of deviations in the material deposition head of the printing device, seriously affecting the material printing results.
To ensure high accuracy in 3D printing, it is necessary to avoid the problem of proportional enlargement of leverage errors. This problem is often caused by the tilting of the 3D printing nozzle due to drone position and attitude deviations, and the team uses control algorithms to combat this problem.
After joining the team in 2016, Ketao Zhang proposed to retrofit the UAV with a nimble miniature Delta parallel manipulator, successfully solving one of the technical bottlenecks of the research, namely the high-precision 3D printing of construction drones. The final print accuracy of less than 5 mm was achieved in a laboratory environment, with a cylindrical print head of 8 mm in diameter. “This is currently the highest level of printing accuracy in a lab environment based on mobile robots with flying robotic devices.” Zhang Ketao said.
It is noteworthy that the UAV platform was designed by Zhang Ketao and his team independently because the existing UAVs on the market could not achieve the team’s printing goals. They optimized the design through continuous experiments to achieve a structure that does not collapse after the deposition of material layer by layer. After studying the preparation and selection of its blending ingredients from a materials science perspective, the team ultimately designed two 3D printing drones that can print cement-like materials and low-density polyurethane foam respectively.
Real-time measurements were another challenge for the team. They used a dense mapping algorithm to reconstruct the 3D mesh and then obtained the height of the deposited structure from the 3D reconstructed digital model, enabling the 3D printing of layers on top of each other.
Promising the fastest application for restoring high-rise buildings
The traditional building design is largely limited by existing construction methods and tends to be one-size-fits-all in terms of structural design. The advantage of 3D-printed buildings is that they are design-driven and can be designed to suit individual preferences or needs, allowing for personalized and more complex structures.
Because construction drones come with their power supply to print materials, they are not limited by building height or material delivery pipelines when 3D printing. This method also reduces carbon emissions during material transportation compared to traditional construction methods.
In addition, drones can theoretically work 24 hours a day, thus increasing construction productivity and thus saving more time and human resources costs. 3D printing design and construction of houses also reduce waste and loss of construction materials during handling, reduce environmental impact, and provide greater freedom in the structural aspects of floors.
Recent research in structures shows that nearly 40 percent of the materials used in solid structures for traditional buildings can be saved from the structural load-bearing capacity perspective of structural mechanics. It is reported that the team has been granted patents in measurement algorithms and other related aspects. At present, several large construction companies in the UK have already cooperated with them to transform the results of the technology.
Ketao Zhang believes that the fastest application scenario for the technology to land could be in high-rise buildings or infrastructure restoration work. The method is not to “steal jobs” from construction workers, but by the drones to complete the repetitive, high-risk factor of work. It frees up people to tackle more complex and varied design and planning tasks.
The technology could also potentially be applied to the manufacture of buildings on Mars or the moon. Of interest is that the method is not only applicable to drones, it is also suitable for guiding the cooperation between drones and ground mobile robots, and the collaborative printing of multiple autonomous robots.
For post-disaster reconstruction efforts, the technology can also give relevant support, such as the handling of emergency facilities or temporary building reconstruction. If an earthquake occurs in an area, the distribution of materials is often greatly affected when roads are destroyed and vehicle movement is obstructed. Remote delivery by drones and multi-robot 3D printed construction technology can be used to build temporary structures.
In the future, the technology still has some difficult points to overcome. For example, how to charge the drone, and how to better store energy for the drone through wireless or other ways. Ketao Zhang said, “meeting the continuous power supply for drones requires a high degree of techniques for the battery material and charging method. We envisioned solar cells, but their performance is currently not sufficient to power drones.”
Moving the technology from the lab to an environment outside the lab is another challenge. Inside the lab, the team uses a motion-tracking system to control the drone’s position. “In outdoor scenarios, we may later use vision-based real-time positioning and map construction methods for the real-time perception of the environment for the UAV or robot due to the large error of positioning systems such as GPS,” said Ketao Zhang.
On the other hand, 3D printing materials are also the direction that the team will continue to research. Currently, cement-like materials can achieve the performance of ordinary cement ingredients traditionally used.
Promote digital development of the construction industry
Ketao Zhang graduated from Beijing Jiaotong University with a bachelor’s degree in mechanical engineering and automation, and during his PhD, he participated in a joint project on mechanical engineering-mechanical design and theory, focusing on the design and kinematic analysis of reconfigurable parallel robots.
At that time, Ketao Zhang had already developed the idea of retrofitting parallel robots to UAVs for more dexterous operation. In 2016, Ketao Zhang developed the Aerial Robotic Construction System with Professor Kovac, enabling aerial robots to 3D print construction structures autonomously.
According to Ketao Zhang, the goal of his research in the near future is to enable people and robots to show their talents and capacities and better collaboratively enhance the digital development of the construction industry.
At present, digitalization and smart manufacturing are developing rapidly in China, especially in the automotive manufacturing industry and medical care, and are also driving progress in the digitalization and visualization of architectural design. “In construction manufacturing, digitalization has a lot of room for development.” Ketao Zhang said.
Therefore, the direction he would like to continue exploring in the future is foldable, structurally dexterous robots and their use in digital manufacturing, human-robot collaboration, extreme environments, and deep space applications to solve more complex and diverse scientific challenges.
(Source: Nature, DeepTech)
Baumwollerntesaison in Xinjiang beginnt
Baumwollpflücker arbeiten auf einem Feld im Uigurischen Autonomen Gebiet Xinjiang. Im Oktober beginnt die Baumwollerntesaison in Xinjiang, dem größten Baumwollanbaugebiet Chinas.
(Quelle: CRI Deutsch, Xinhua)
Guangzhouer Zoo begrüßt Baby-Leierhirsche
Insgesamt vier Hainan Leierhirsche wurden kürzlich im Zoo von Guangzhou (Provinz Guagndong) geboren. Die Zahl der Leierhirsche im Zoo liegt nun bei über 20. Die Hainan Leierhirsche sind auf der Insel Hainan in China beheimatet und stehen zusammen mit dem Großen Panda, dem Goldstumpfnasen-Affen und dem Südchinesischen Tiger auf der Liste gefährdeter Tiere auf nationaler Ebene.
(Quelle: CRI Deutsch, VCG)
Internationaler Tag der Pandas
Am 27. Oktober wurde der Internationale Tag der Pandas begangen. In der Chengdu Aufzuchtstation faulenzen die niedlichen Pandabären in ihrem Zuhause, was sehr süß aussieht.
(Quelle: CRI Deutsch, VCG)
Intelligente Landwirtschaft läuft in Anhui auf Hochtouren
Im Oktober färben sich die Reisfelder golden, wenn in der Region Wuhu in der ostchinesischen Provinz Anhui am Unterlauf des Jangtse-Flusses die Herbsterntezeit beginnt. Auf den Feldern herrscht reges Treiben bei der Reisernte. Im Gegensatz zu den Vorjahren sind in diesem Jahr in erster Linie mehr Landwirte in der Praxis der intelligenten Landwirtschaft tätig.
In der Gemeinde Eqiao in der Region Wuhu hat Landwirt Gui Wanfa am Rande seines Reisfeldes ein Schild mit der Aufschrift „digitaler Überwachungspunkt für Reisanbau“ aufgestellt, von dem aus die von den Überwachungsgeräten auf dem Reisfeld erfassten Daten in Echtzeit übermittelt werden können.
„Wir haben bereits mehr als 500 mu (etwa 33 Hektar) Reis geerntet, und einige der Reisfelder können einen Ertrag von 650 kg pro mu erbringen, die intelligente Landwirtschaft hat also einen großen Beitrag dazu geleistet“, sagte Gui Wanfa und tippte dabei auf die entsprechende App in seinem Mobiltelefon. So seien Informationen über Bodenfruchtbarkeit, Bewässerungsbedarf, Reife der Pflanzen sofort verfügbar.
Guo Shuangshuang, Projektleiterin der intelligenten Landwirtschaft in der Region, sagte, dass das System bisher 308 Reisanbaugebiete mit einer gesamten Anbaufläche von mehr als 210.000 mu (14.000 Hektar) erfasst. „Mit Hilfe von Satelliten, Drohnen und auf den Feldern verteilten Geräten überwacht und analysiert unser System insgesamt dreizehn Phasen des Reiswachstums und liefert dadurch den Landwirten visuelle Daten sowie verschiedene Anbauvorschläge. Die Landwirte können nunmehr mit unserer Hilfe Dünger ausbringen, Unkraut jäten, Schädlingen und Krankheiten vorbeugen und derartige Probleme behandeln, und zwar nicht mehr nur nach Erfahrung und Gefühl. Die digital bewirtschafteten Reisfelder können den Ertrag um etwa zehn Prozent pro mu steigern“, teilte Guo Shuangshang Reportern mit.
Beim Anblick der goldenen Reisfelder war Gui Wanfa überwältigt von seinen Gefühlen. “Früher musste man beim Anbau von Reis die Düngung nur mit bloßem Auge und aus Erfahrung beurteilen, entweder wurde zu viel oder zu spät gedüngt, was negative Auswirkungen auf den Ertrag hatte. Wenn wir jetzt in unser Handy schauen, kann uns das System sagen, wie wir düngen sollen.“ Er sagte, dass durch die so genannte Präzisionsdüngung etwa 25 Kilogramm pro mu Düngemittel einsparen könnten.
Laut Ma Bin, Direktor des Büros für ländliche Entwicklung in Wuhu, beobachte und erfasse das intelligente Landwirtschaftssystem das Wachstum der Pflanzen und steuere den Reisanbau mit wissenschaftlichen Methoden, was von vielen Landwirten begrüßt werde. Der nächste Schritt in der Region Wuhu sei die Ausweitung der Demonstrationsbasis für intelligente Landwirtschaft, damit die neuesten technologischen Errungenschaften besser für die landwirtschaftliche Produktion genutzt werden könnten.
(Quelle: CRI Deutsch, gmw.cn)
