为人工智能等创新应用提供更好的数据环境

   2021-12-07 工业品商城63
核心提示:隐私计算作为近年来的热门赛道,各类玩家纷纷入局。但从效果来看,隐私计算市场仍处于早期阶段,规模化的商业落地面临挑战。朱萌分析道,隐私计算不同于传统机器学习,是分布式与可信芯片、密码学、人工智能三个领域的结合,在投入商用的过程涉及技术适配的工作。具体来说,大部分隐私计算的技术栈在遇到不同算法时,需要
       隐私计算作为近年来的热门赛道,各类玩家纷纷入局。但从效果来看,隐私计算市场仍处于早期阶段,规模化的商业落地面临挑战。朱萌分析道,隐私计算不同于传统机器学习,是分布式与可信芯片、密码学、人工智能三个领域的结合,在投入商用的过程涉及技术适配的工作。具体来说,大部分隐私计算的技术栈在遇到不同算法时,需要堆人力对算法进行一对一的剖析和改写,来将其联邦改造或“隐私计算化”,这就导致这项工作成为一项劳动密集型工作,投入与代价之大。
  针对这一痛点,瑞莱智慧的RealSecure平台通过自研的隐私保护AI编译器架构实现与传统算法的自动编译和一键适配。通过将隐私保护计算算法公式表达向更细颗粒度解构,解构成“算子”,基于算子的灵活组合来自动将普通机器学习算法程序转换为分布式的隐私安全程序,摆脱重复改写的繁琐工作,实现机器学习生态与隐私保护计算生态的相统一。
  “传统的做法可理解为‘雕版印刷’,RealSecure平台实现的是‘活字印刷’,兼容主流机器学习算法,无需改写,只要调用函数,在编译器里重新编译一遍就可以。”朱萌解释道,“可以让数据科学家以最熟悉的方式使用隐私计算,大幅提升易用性,这也是加速隐私计算落地的最优路径。
  安全和性能,是衡量隐私计算的核心指标,但这两者之间,却呈此消彼长的负相关关系。朱萌表示,由于肩负着保护隐私数据安全的重要功能,安全性是隐私计算最为核心的要素,也是前提条件,枉顾安全的性能追求是无本之木、无源之水。
  隐私计算的安全问题在于两点,一是技术本身的安全可论证,由于密码学上的证明安全与实际安全并不相等,尤其是一些多方隐私计算协议被应用在不符合其安全假设的场景中,存在安全漏洞;二是算法层面的安全攻防,由于隐私计算的计算是密文数据,计算方无法看到用户输出什么数据,可能会存在“数据投毒”的风险。
  因此,瑞莱智慧在安全性上大力布局,构建了严谨且可论证的“事前”“事中”“事后”安全体系,提供“协议模型及安全性假设、技术实现原理、数据抓包监测、运算日志打印审计”全方位的安全评估验证,同时基于业内独创的隐私计算安全攻防理念,内嵌各类安全防护巩固功能以抵御恶意攻击。
  在安全的基础上,性能是衡量产品价值的关键。通过编译器驱动高效加密算法的优化,瑞莱智慧在隐私计算的性能上实现量级式飞跃,居于业内平均水平前数十倍,隐私保护下完成全流程建模,总耗时实现从日级别缩短到小时级别,兼具较佳的安全与效能。
 
 
 
更多>同类新闻资讯
推荐图文
推荐新闻资讯
点击排行

新手指南
采购商服务
供应商服务
交易安全
关注我们
手机网站:
新浪微博:
微信关注:

周一至周五 9:00-18:00
(其他时间联系在线客服)

24小时在线客服