每日热议!“联邦学习”“隐私计算” 前沿技术守护数据要素流通

(相关资料图)

数字经济时代，数据已经成为重要战略资源和关键生产要素，成为数字经济深化发展的核心引擎。激活数据要素潜能、释放数据要素价值成为推动数字经济发展的关键举措，以技术与顶层机制建立健全数据要素市场，则是充分发挥数据价值的重要保障。

近日，由世界人工智能大会组委会办公室指导，粤港澳大湾区大数据研究院、开放群岛开源社区、智能投研技术联盟(ITL)、FATE开源社区联合主办的2022世界人工智能大会-数据要素流通技术前沿探索论坛(简称“论坛”)在上海世博中心顺利召开。30余位学术界、产业界、科研及行研机构专家学者与行业领袖，围绕数据要素市场基础制度与技术、产业发展进行深度交流与探讨。

值得一提的是，在数字经济时代，人们越来越重视个人隐私权，政策法规也愈发严格，数据协作和隐私保护矛盾日益突出，隐私计算已然成为全球新兴的一大产业，越来越多的隐私计算平台加入开源的行列。随着《数据安全法》、《关键信息基础设施安全保护条例》、《个人信息保护法》等政策的陆续发布实施，安全行业界对信息安全与隐私数据的重视程度不断升级。

在论坛上，香港科技大学教授、智能网络与系统实验室主任、星云Clustar创始人陈凯说：“以算法与协议创新、算力硬件加速、网络优化加速等软硬件结合技术手段，在保障数据隐私安全与数据建模效果的前提下，提升计算效率，是未来数据要素流通基础设施建设的重要路径。”

隐私计算是指在保护数据本身不对外泄露的前提下实现数据分析计算的一类信息技术，包含了数据科学、密码学、人工智能等众多技术体系的交叉融合。在隐私计算框架下，参与方的数据明文不出本地，在保护数据安全的同时，实现多方数据协同应用和联合计算，解决了又要用数据又要保护数据的矛盾。

而在隐私计算中，存在着一种重要的技术范式——联邦学习，通常可以理解为两个或以上的参与方共同参与，在保证数据方原始数据不出本地的前提下，协作构建并适用深度学习的模型的人工智能技术。

联邦学习自2016年首次由谷歌(Google)提出、2018年由微众银行引入国内并率先在 B端进行创新应用以来，逐渐成为一种解决合作中数据隐私与数据共享矛盾的新路径，被大量应用于金融、安防、医疗、在线推荐系统等领域。近年来联邦学习技术得到了飞速的发展，其研究和应用的发展动向和趋势备受关注。

然而，想要使数据要素流通更通畅、更安全，开源开放必不可少。“我认为，开源是数据要素流通产业发展的一条重要‘中轴线’，建设并发展开源社区，让更多角色参与数据流通技术生态。”中国人工智能学会(CAAI)荣誉副理事长、加拿大工程院院士、加拿大皇家科学院院士杨强表示：“目前，我们已经逐步完善了全球首个隐私计算和联邦学习开源社区——FATE。”

据中国信通院数据显示，55%的国内隐私计算产品是基于或参考了开源项目，其中以FATE开源项目为主。目前，社区已有4000多位个人工程师与开发者，以及800多家企业机构参与社区共建，已形成专业的治理架构，包括技术指导委员会和专业委员会等，并且有大量的主流参与者、贡献者以及社区主要贡献方。

（文章来源：中国新闻网）

关键词： 隐私计算 联邦学习