隱私計算能否“吹散”人工智慧天空飄浮的烏雲

資料可用不可見、資料不動價值動。這是中國人民銀行在《金融科技發展規劃(2022-2025年)》中,對於資料安全應用的路線指示,今年的政府工作報告也再次提到促進數字經濟發展,釋放資料要素潛力的重要性。

讓我們把時針撥回到1900年,開爾文男爵在一次演講時表示,物理學的大廈已經建成了,但物理學理論頭頂的天空的兩朵小烏雲還沒有解決。

人工智慧技術發展至今已經走過60多年的歷史,期間幾經浮沉,如今人工智慧的大廈雛形已現,但人工智慧的天空也飄浮著朵朵烏雲,其中之一就是資料安全的問題。

200多年前在開爾文眼中並不起眼的烏雲,卻在多年之後掀起了物理學革命的狂風巨浪——誕生了偉大的相對論和量子論。

人工智慧這朵烏雲下面如今也正在電閃雷鳴,似乎在幻化著某種異象。

政策驅動、市場催生、技術引導三股力量形成了歷史性交匯,驅動著

“隱私計算+”時代

的到來。

作為國內領先的獨立AI技術平臺,百融雲創始終將資料安全視為企業發展的頭等大事。經過孜孜不倦的研發和創新,百融雲創搭建起隱私保護計算平臺Indra,為金融資料應用過程中保障資料可用性和隱私性給出了創新解法。

隱私計算能否“吹散”人工智慧天空飄浮的烏雲

(Indra產品技術架構)

Indra平臺能夠保障多個參與方,在資料不出本地的前提下,實現資料的共享、互通、計算、建模,在保證資料不洩露給其他參與方的同時,釋放資料的價值,發揮數字生產力的作用。

Indra的整體架構由基礎資源層、中介軟體服務層(管理單元、計算單元、聯邦學習)及應用層組成,包含基於OT的PSI和聯邦學習兩大部分。

隱私集合求交

(Private Set Intersection,PSI)是一種具有很高應用價值的技術,採用密碼學技術,在不暴露額外資訊的基礎上,得到各方資料的交集,各參與方不會得到交集以外另一方的任何資訊。

對於PSI,Indra平臺採用基於OT和基於公鑰兩種形式。兩種PSI演算法分別適用於合作方資料集和客戶資料集差不多大、合作方資料集遠遠大於客戶資料集兩種情形。Indra平臺的PSI演算法既適用於普通的求交集計算,也適用於聯邦學習的訓練和預測階段,百融雲創作為管理中心可以提供多方(不僅僅是兩方)資料集合求交集。

百融雲創研發團隊做了大量的最佳化工作,使得求交效率大大提升,支援最大的求交資料量集達到10億*10億,並且資料幾乎無損。

聯邦學習

(Federated Learning)是一種新興的人工智慧基礎技術,也是隱私計算領域最主要的賽道之一。

聯邦學習是一種分散式機器學習技術和系統,包括兩個或多個參與方,這些參與方透過安全的演算法協議進行聯合機器學習,可以在各方資料不出本地域的情況下,透過交換中間資料的形式,保障大資料交換時的資訊保安、保護終端資料和個人資料隱私、保證合法合規的前提下,在多參與方或多計算結點之間開展高效率的機器學習,聯合建模和提供模型推理與預測服務。而且透過聯邦學習的方式與傳統的中心式機器學習模型效果幾乎相同。

想要構建完善的資料安全保護生態系統,僅靠單一技術是不夠的,由於隱私計算技術本身與區塊鏈對於計算安全性、保密性的需求高度吻合,百融雲創隱私計算平臺Indra與區塊鏈技術進行有機結合,實現多節點間的協同計算和資料隱私保護。同時區塊鏈技術還可以為Indra平臺提供公平、透明、合理的激勵分配機制,克服安全多方計算內在的缺陷,充分調動合作方提供高質量資料、誠實參與計算的積極性。

基於在隱私計算領域的持續投入,百融雲創已經成功獲得四項國家發明專利授權,為Indra平臺的持續最佳化和研發創新提供了支撐。

Indra平臺在金融營銷、智慧分析和運營,以及跨平臺資訊共享等場景上具有廣闊的應用空間。

目前隱私計算正處於商業落地的前期,各種技術路線齊頭並進,但技術與場景,場景與商業應用之間均存在一定的斷層,同時,隱私計算技術在金融行業應用中也面臨著一些風險和挑戰,這些都使得人工智慧的光照射下來要穿透烏雲的縫隙,而縫隙中的光往往是最耀眼的。

END

RECOMMEND

TAG: Indra隱私資料計算參與方