SvBench 是浙江大学区块链与数据安全全国重点实验室大数据智能团队在浙江大学区块链与数据安全全国重点实验室、杭州高新区（滨江）区块链与数据安全研究院共同支持下研发的针对Shapley Value计算构建的面向多种数据分析任务的基准框架，旨在针对特定数据分析目标，如数据估值、特征选择等，利用多种算法实现 Shapley Value 的精确或近似计算，进而完成数据分析任务或提供相关洞见。
该架构提供了四种常见数据分析任务和五种 Shapley Value 近似计算算法作为可直接运行的基准测试。在实现算法的过程中，采用了剪枝、梯度近似、差分隐私等算法优化、模型训练加速和隐私保护技术，力求在计算效率、结果可靠性和隐私保护等方面实现最佳平衡。此外，SvBench 还具备灵活的模块化设计。整个架构分为配置加载器、采样器、效用计算器和输出模块等，绝大部分模块都支持用户根据需求进行定制甚至重制并无缝接入SvBench，从而执行特定的数据分析任务，确保了架构的良好扩展性和应用性。
感兴趣的组织和个人可以通过下方提供的GitHub开源地址访问和下载相关代码。
GitHub地址：https://github.com/DDDDDstar/SV4DA
