如何利用聯(lián)邦學(xué)習(xí)實現(xiàn)價值共享？同盾科技發(fā)布最新研究成果

隨著社會各界對于個人隱私保護的日益重視，數(shù)據(jù)和信息安全已經(jīng)成為數(shù)字和智能時代重要的信任基石，而以機器學(xué)習(xí)和深度學(xué)習(xí)為代表的需要依靠海量數(shù)據(jù)訓(xùn)練機器的人工智能模式，可能也需要進一步革命，因為很多領(lǐng)域?qū)嶋H上并沒有海量的數(shù)據(jù)作為基礎(chǔ)，而且隨著數(shù)據(jù)隱私保護的日益強化，效率與安全之間的矛盾也日益凸顯。

聯(lián)邦學(xué)習(xí)技術(shù)的出現(xiàn)為業(yè)界提供了全新的發(fā)展思路。

聯(lián)邦學(xué)習(xí)是在用戶數(shù)據(jù)隱私保護的前提下,通過去中心化協(xié)作的方式，進行多方數(shù)據(jù)融合與機器學(xué)習(xí)模型集成的理論技術(shù)。巧妙的化解了多個主體、多數(shù)據(jù)源、不同特征維度之間聯(lián)合建模的問題，解決行業(yè)內(nèi)外數(shù)據(jù)隱私與數(shù)據(jù)共享的矛盾，使得企業(yè)各方在保護彼此數(shù)據(jù)隱私的前提下實現(xiàn)跨平臺和地域的共創(chuàng)價值，各取所需。

同盾敏銳地觀察到聯(lián)邦學(xué)習(xí)的獨特能力,針對這種數(shù)據(jù)隱私問題,可以利用聯(lián)邦的思想,將銀行、信貸公司、消費金融公司、P2P平臺等金融企業(yè)全都納入聯(lián)邦框架中,以實現(xiàn)價值的共享。

近日同盾科技人工智能研究院深度學(xué)習(xí)實驗室發(fā)布了最新研究成果：“面向聯(lián)邦學(xué)習(xí)的加密神經(jīng)網(wǎng)路”。該研究成果可以用于解決多頭借貸難題，并能保障參與方的數(shù)據(jù)隱私。

聯(lián)邦學(xué)習(xí)目的是通過多個參與方協(xié)作，共同訓(xùn)練機器學(xué)習(xí)模型，同時還要能保護數(shù)據(jù)隱私。目前聯(lián)邦學(xué)習(xí)主要存在如下兩個方面的問題：

1) 在訓(xùn)練過程中盡管沒有傳輸客戶數(shù)據(jù)，一定程度上保證了用戶隱私。但是梯度信息仍然可能會泄露用戶隱私。

2) 聯(lián)邦需要傳輸?shù)哪Ｐ吞荻葦?shù)據(jù)量非常大，在參與方和第三方通信過程中需要耗費較長時間。

為了解決上述問題，研究人員提出了一種基于加密神經(jīng)網(wǎng)絡(luò)的聯(lián)邦學(xué)習(xí)方法，既可以保護用戶的數(shù)據(jù)隱私，又可以壓縮模型數(shù)據(jù)，加快聯(lián)邦學(xué)習(xí)進程。

加密神經(jīng)網(wǎng)絡(luò)(如下圖所示)主要包含兩部分：加密網(wǎng)絡(luò)和解密網(wǎng)絡(luò)。其中加密網(wǎng)絡(luò)部署在參與方，輸入為每個參與方生成的梯度信息，輸出加密數(shù)據(jù)。解密網(wǎng)絡(luò)部署在第三方服務(wù)器上，輸入為各參與方產(chǎn)生的加密數(shù)據(jù)，輸出為重構(gòu)的梯度更新。

因為，在整個傳輸過程中只傳輸加密后的梯度信息，而且第三方的解碼器只能重構(gòu)出整體的梯度更新而不能重構(gòu)出單個參與方的梯度信息。因此即可以保證參與方的梯度信息在傳輸中是安全的，又可以保證參與方信息對第三方服務(wù)器也是私密的。

加密神經(jīng)網(wǎng)絡(luò)在本質(zhì)上同時實現(xiàn)了安全多方計算和同態(tài)加密的功能，該方法可以有效解決多頭借貸問題。借貸數(shù)據(jù)可以通過加密神經(jīng)網(wǎng)絡(luò)計算,這樣在傳輸過程甚至是第三方機構(gòu)中都不會有可復(fù)原的數(shù)據(jù)出現(xiàn)，進而有效規(guī)避了隱私泄露的風(fēng)險。

作為國內(nèi)聯(lián)邦學(xué)習(xí)的先驅(qū)，同盾科技致力于基礎(chǔ)理論、算法和平臺的創(chuàng)新研究、產(chǎn)品及服務(wù)的研發(fā)落地，推出有落地場景支撐的行業(yè)標準及開放平臺，在人工智能研究院的大力推動下,同盾科技聯(lián)邦學(xué)習(xí)正在加速產(chǎn)業(yè)化進程,一些基于理論的美好猜想,正漸漸閃爍讓人興奮的曙光。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。