环球网校官网网站-

环球网校官网网站-

新华网北京5月19日电随着数据成为一个关键的生产要素,在数据隐私和共享之间寻求平衡已成为业界的一个新方向。作为国内领先的智能分析与决策服务提供商,通盾科技是较早涉足“可获取和不可见数据”领域的企业之一,取得了多项前沿成果。通盾科技在联邦学习的基础上,提出了“知识联盟”的理论框架体系,从信息层、模型层、认知层和知识层四个层次支持联盟,帮助实现数据价值共享。近日,通盾知识联合会白皮书发布。本文全面、全景地分析了知识联盟的背景、定义、平台、挑战、场景应用和未来发展前景,为野外工作者提供了有价值的参考。

知识联盟:2016年谷歌首次提出实施“数据可用无形”的联邦学习,知识联盟的范围大于联邦学习。联合学习只是知识联合的一个子集,主要研究安全性的联合建模。据同盾知识联盟白皮书介绍,知识联盟是国内独创、独立、可控、全球领先的技术体系。在解决数据碎片化和隐私保护问题的同时,系统还可以进一步进行跨源、跨域的知识发现、表示、归纳、推理和演绎,重点围绕“全生命周期”的安全知识和数据到知识的知识创造、管理目标,使用与监控是一个面向生产环境的完整的知识联盟生态系统,致力于推动下一代人工智能的发展。

知识联合通过将数据转化为信息、模型、认知或知识,使数据不可见,然后通过联合实现数据的可用性。基于多方数据的安全知识协同创造、共享和推理,知识联盟建立了一种安全的人工智能,实现了“数据可用性不可见”。知识联盟:开创数据安全共享技术的发展趋势知识联盟白皮书对知识联盟及其相关技术进行了深入的分析和阐释。在技术层面,知识联盟采用弱集中的分布式方法,这与传统的强集中、完全分散有很大区别。在强集中模式下,中心节点将收集并保存所有参与者的数据。

所有计算和学习都在中心节点完成。强集中模式存在数据安全风险,隐私保护难以遵守。分散模式下没有中心节点,所有参与者都需要互联。当节点规模较大时,通信成本较高,达成共识的效率较低。在弱集中模式下,原始数据保存在本地区,不会离开本地区。计算和学习仍然发生在局部区域,中心节点只安全地收集参与者的模型知识。弱集中模型实现了效率和安全性的平衡,是一种更加实用的安全多应用解决方案。这种模式特别适合在监管力度大的行业中应用,有利于监管部门开展合规监管。

此外,知识联盟是一个统一的安全多方应用框架,它支持多方联合应用,如安全多方查询、安全多方计算、安全多方学习、安全多方推理等,与其他技术领域密切相关,如联合学习,区块链、隐私计算、安全多方计算等,在借鉴一些相关技术的同时,也具有一定的独创性,特别是在认知层面和知识层面的联合。同墩知识联盟有两个优势:一是全样本访问。联合之后,机构之间的数据被划分和管理,由数据所有者控制。每个节点上的数据都是相对较小的数据,但由于可以达到的数据较多,其性能甚至会超过维度受限数据的集中聚合模式。

第二个数据不会移动模型。联合后的原始数据保存在当地,计算和学习也在当地进行。中心节点只安全地收集参与者的模型知识。弱集中模型达到了。

发表评论

电子邮件地址不会被公开。 必填项已用*标注