江苏龙网

  1. 首页 > 生活 > >

【中新经纬】同盾科技联邦学习技术加持 让数据“可用不可见”( 二 )


联邦学习|打破数据孤岛 ， 让不流通的数据也能用起来
解决数据安全和隐私保护仅是第一步 ， “可用性”才是大数据价值的终极体现 ， “可用不可见”的革命性在于能在保证不同机构间数据“不流通”的前提下 ， 实现“信用”和“信任”的流通 ， 实现价值的共享 ， 从而打破不同主体间的合作藩篱 。
那么在“不可见”的前提下 ， 是如何实现“可用”的目标呢？
同盾科技基于联邦学习提出了“知识联邦”的理论框架体系 ， 支持从信息层、模型层、认知层和知识层四个层级进行联邦 ， 以实现数据可用不可见 。
联邦学习是一种采用分布式的机器学习/深度学习技术 ， 参与各方在加密的基础上共建一个公共虚拟模型(可以相同也可以不同) ， 训练和交互的全过程各方的数据始终留在本地 ， 不参与交换和合并 。 参与各方没有一方能拥有所有的数据 ， 也没有一方拥有所有的模型 ， 共用开放数据 ， 而不享有数据 ， 能最大化保护数据安全和数据隐私 。
在“知识联邦”框架中 ， 信息层通过安全多方计算在密文空间上直接进行计算或学习 ， 进而提取或发现知识；模型层联邦与传统的联邦学习相似 ， 基于模型加密交互共创知识 ， 并实现知识共享；认知层对同/异构数据进行认知学习之后进行集成或多模态融合 ， 进而生成复杂的知识网络；知识层对分布的知识进一步学习提炼 ， 实现基于知识的表达推理及智能决策 。 简单的讲 ， 智邦平台的具有以下技术创新：
平台和算法都是基于自研“知识联邦”体系；
首次尝试并成功使用联邦神经网络解决跨特征联邦学习问题；
针对实际场景中普遍存在的小样本问题 ， 成功实现联邦元学习；
梯度、参数加密方式和压缩方式完全自主研发 ， 具有独创性；
创新性提出参与方贡献评价机制 ， 评估参与方数据贡献 。
【中新经纬】同盾科技联邦学习技术加持 让数据“可用不可见”
文章图片

大数据安全生态完善是一个系统工程 ， 技术创新、制度建设、法律法规的创新是缺一不可、相辅相成的 ， “可用不可见”也仅仅是为这个系统工程打下了第一根桩基 ， 后续的发展仍有很多创新的空间 ， 比如能否能推出更加可具操作性的法律法规 ， 让企业的边界更加清晰；是否可以将一些脱敏、加密、不可逆的数据 ， 都保存和放置到政府认证的云平台和公共平台之上 ， 让每一次数据的流通和使用受到政府监管 ， 是否需要建设一个社会性的大数据平台等 ， 总之 ， 数据安全建设永远在路上 ， 我们需要更有想象力 。 (中新经纬APP)


推荐阅读


上一篇：【光明网】4月1日杭州将再行发放电子消费券，快上支付宝领取

下一篇：环球网@美团2019年财报：超八成外卖佣金用于给骑手发工资