최근 Yang Qiang 교수는 SDBD2020 Computing Power Online Forum에서 연합 학습이 기술일 뿐만 아니라 오픈 소스 생태계 구축이라고 지적했습니다. 데이터 아일랜드를 여는 다리로서 연합 학습을 통해 인공 지능 시스템은 데이터 개인 정보 보호, 보안 및 규제 요구 사항을 충족하면서 자체 데이터를 보다 효율적이고 정확하게 사용할 수 있습니다.
요컨대, Guo Jia는 이번 호의 컴퓨팅 파워 개인 정보 보호 데이터 보안 칼럼에 특별히 초대되어 세 가지 큰 질문을 던지고 제3자와 구성 요소화가 없는 연합 학습 기술의 미래를 대담하게 구상합니다.
보조 제목
세 가지 질문
1) 연합학습의 제3자 코디네이터가 욕먹지 않는가?
2) 은행 같은 기관에 들어가 주문받는 상품이라면 어떻게 리더십을 설득할 수 있을까?
3) 조직이 모델링 플랫폼 또는 모델링 솔루션을 구매한다는 사실이 자체 엔지니어가 쓸모 없다는 것을 의미합니까?
보조 제목
어떤 제3자도 "중립"이 아닙니다.
현재 시중에 나와 있는 대부분의 프라이버시 컴퓨팅 제품은 제3자가 있거나 그 중 하나가 제3자의 역할을 합니다.
제3자 C는 맨 처음에 계산(데이터) 당사자 A와 B에게 동일한 공개 키를 할당하고 제3자 C는 해당 개인 키를 보유하며 당사자 A와 당사자 B는 각각 자신의 데이터에 대해 해당 계산을 수행합니다. 자체 데이터를 기반으로 중간 결과는 공개 키로 암호화되고 암호문은 제3자 C에게 전송되며 제3자 C는 개인 키를 사용하여 모든 당사자로부터 중간 결과의 암호문을 해독하여 각 당사자의 중간 결과에 대한 평문, 완전한 중간 결과를 요약합니다. 이 프로세스는 종료 조건이 충족될 때까지 반복적으로 반복됩니다.
최종 결과로 판단해 볼 때 제3자 C는 참가 과정에서 얻지 말았어야 할 정보를 입수했다. 이 정보가 다른 참가자의 개인 데이터를 노출하는지 여부는 실행 중인 알고리즘 자체의 구조와 관련이 있습니다. 예를 들어 로지스틱 회귀 알고리즘에서 참가자는 자신의 데이터를 기반으로 내적을 계산하고 이를 암호화하여 전송합니다. 내적 결과는 원본 데이터를 잘 커버하기 때문에 내적 결과는 원본 데이터를 얻을 수 없습니다.
그러나 모든 알고리즘이 관련된 당사자의 원래 데이터를 노출하지 않고 로지스틱 회귀 문제처럼 작동하는 중간 결과를 갖는 것은 아닙니다.
제3자의 조정은 실제로 프로토콜의 설계 및 구현에 큰 편의를 가져왔습니다. 그러나 사실 제3자 설립 자체에는 상대적으로 많은 비용이 소요된다. 소위 동시 제3자의 경우 전체 과정에 두 당사자만 참여했지만 실제로 제3자와의 해결 문제를 해결하지 못하고 그 중 한 사람의 정보가 여전히 노출될 위험이 있습니다.
제3자가 참여하는 방식에 비해 제3자가 참여하지 않는 MPC 기반 방식은 프로토콜 설계 초기부터 코디네이터를 포기한다.
이론적으로 MPC 프로토콜은 참여 당사자가 자신의 계산 결과에 대한 자신의 입력 및 출력 이외의 추가 정보를 얻을 수 없도록 요구합니다. MPC는 참가자 간의 정보 상호 작용만 있으며 프로토콜 실행 중 상호 작용 프로세스는 참가자의 개인 데이터를 유출하지 않습니다. 이는 기본 프로토콜 설계에 의해 보장됩니다. 예를 들어 난독화된 회로에서 참가자는 각자의 입력을 임의의 키에 매핑하고 난독화된 진리표를 사용하여 참가자의 입력과 출력 사이의 관계를 유지합니다. 모든 당사자는 입력 및 출력 데이터 없이 진리표에 해당하는 암호문과만 상호 작용합니다.
일반적으로 제3자 참여가 없는 MPC 기반 방식은 참여자의 개인 정보 보호에 보다 철저하지만, 제3자 참여 방식은 제3자의 신뢰성이나 중간 결과의 구조에 의존해야 합니다. 데이터 프라이버시 섹스를 보장합니다. 즉, 두 당사자가 신뢰할 수 있는 제3자를 설정할 수 없는 경우 제3자가 참여하지 않는 MPC 기반 체계가 보안을 위한 첫 번째 선택이 됩니다.
Fushu의 곧 출시될 Avatar 2.0 주 버전은 MPC의 핵심 아이디어를 기반으로 기본 연산자 및 간단한 기능의 계산에서 시작하여 마침내 타사 없이 제품 업그레이드를 완료합니다.
보조 제목
Windows 혁명에 대한 Dos: IME
나는 국내 경쟁 제품에 주목해 왔으며 현재 많은 제조업체가 고객과 얽혀있는 매우 중요한 이유는 제품 상호 작용 경험입니다! 저는 모든 은행 수준의 고객이 Dos와 Windows 사이에서 Windows를 사용하도록 선택해야 한다고 생각합니다. (리더들은 분명히 더 명확하게 볼 수 있는 것을 좋아하기 때문입니다). 현재 달성할 수 있는 많은 수의 연합 학습 플랫폼은 여전히 "Dos" 수준에 있으며 약간 더 나은 것은 "Windows 95"와 동일합니다.
통합 환경의 경우 프로세스가 비즈니스인 캡슐화되고 보다 구성 요소화된 IDE를 선호합니다. 연합 학습 모델링 플랫폼의 개념을 통합 모델링 환경인 IME(통합 모델링 환경)로 재정의하고 싶습니다.
구성 요소화는 IME의 가장 큰 특징입니다.투명한 프로세스, 상위 레벨과 하위 레벨 간의 낮은 결합, 확장 가능한 알고리즘 등 몇 가지 단어를 사용하여 고객에게 소개하고 싶습니다. 연합 학습 플랫폼에는 암호화 구성 요소, 복호화 구성 요소, 통신 구성 요소, 알고리즘 구성 요소 등과 같은 매우 중요한 구성 요소가 있습니다. 연합 학습 플랫폼 고객은 확장 가능하고 컴파일 가능한 알고리즘에 집중할 수 있습니다.
독립성: 우리의 프로젝트, 애플리케이션 및 제품은 실제로 여러 구성 요소로 분할될 수 있으며 각 구성 요소는 기능을 담당하고 각 구성 요소는 독립적인 형태로 존재합니다.
완전성: 각 구성 요소에는 완전한 로컬 기능이 있으며 구성 요소는 서로 독립적입니다.
자유로운 조합: 구성 요소를 자유롭게 조합하여 완전한 제품, 응용 프로그램 및 프로젝트를 형성할 수 있습니다.
내부 인력의 변화, 비즈니스 확장 및 사용자 요구의 변화에 직면하여 구성 요소화는 막대한 개발 요구를 충족시킬 수 있을 뿐만 아니라 개발자, 사용자, 응용 프로그램 구성 요소 및 정보 리소스 간의 상호 통신을 실현할 수 있습니다. 생산 라인의 핵심 유일한 방법.
구성 요소화는 프로그래밍 기술이 없는 비즈니스 모델링 엔지니어의 문턱을 어느 정도 낮춥니다. 구성 요소화를 기반으로 사용자는 워크벤치에서 다양한 구성 요소를 드래그 앤 드롭하여 유연한 조합 및 연결을 달성하여 개인화된 모델링 프로세스를 가능하게 합니다.
다양한 사용자 요구에 직면하여 단일 구성 요소 또는 부분 구성 요소 아키텍처는 종종 쓸모가 없으며 문제의 핵심을 실제로 해결할 수 없으므로 표준 및 사양의 조합을 통해 전체 제품을 구축하고 최종적으로 사용자에게 제시하는 방법은 다음과 같습니다. 많은 수의 기본 모듈과 독립적이고 완전하며 자유롭게 결합 가능한 모듈을 갖춘 각 A 제품은 구성 요소 개발의 핵심 핵심입니다.
너의 답
마지막에 작성하고 기사 시작 부분에 있는 세 가지 질문에 답하십시오.
1) 연합학습의 제3자 코디네이터가 욕먹지 않는가?
답변: 은행과 같은 고객이 제3자를 알고 있다면 제3자를 피할 수 있는지 확실히 물어볼 것입니다. 따라서 Fushu Avatar는 타사 없이 연합 학습을 극복하고 구현하는 데 몇 개월이 걸렸습니다.
2) 은행 같은 기관에 들어가 주문받는 상품이라면 어떻게 리더십을 설득할 수 있을까?
대답: 설득하기 어렵습니다 연합 학습은 본질적으로 명확하게 설명하기 어렵습니다. 그래픽을 사용하면 말하기가 쉬워야 합니다.
3) 조직이 모델링 플랫폼 또는 모델링 솔루션을 구매한다는 사실이 자체 엔지니어가 쓸모 없다는 것을 의미합니까?
답변: 파트너가 연합 학습 플랫폼 구축에 실제로 참여하도록 하십시오.비즈니스에 더 가까운 알고리즘 구성 요소를 개방하는 것이 더 적절합니다.귀하의 엔지니어는 프로토콜 표준에 따라 자신의 비즈니스에 적합한 알고리즘을 작성할 수 있습니다. 당신은 진실을 이해할 수 있습니까?
기술에서 비즈니스로의 전환을 자랑스럽게 생각하는 초등학생. 인터넷 빅 데이터 산업에서 거의 10년의 경험을 가지고 있으며, 그는 빅 데이터 설계자 및 선임 분석가로서 Shanghai Dazhizhi, Ping An 및 Micai에서 연속적으로 근무했으며 금융 기술에 대한 심층적인 연구를 수행했습니다.
현재 개인 정보 컴퓨팅 솔루션 및 비즈니스 구현을 담당하는 Fushu Technology의 선임 이사로 일하고 있습니다.
궈가
데이터 개인 정보 보호, 데이터 보안 공유 기술 및 기타 분야에 대한 고유한 견해가 있다면 기여를 환영합니다!
제출 이메일: hehaohua3h@163.com
