小编： 随着社会各界对于个人隐私保护的日益重视，数据和信息安全已经成为数字和智能时代重要的信任基石，而以机器学习和深度学习为代表的需要依靠海量数据训练机器的人工智能模式，可能也需要进一步革命，因为很多领域实际上并没有海量的数据作为基础，而且随着数据隐私保护的日益强化，效率与安全之间的矛盾也日益凸显
随着社会各界对于个人隐私保护的日益重视，数据和信息安全已经成为数字和智能时代重要的信任基石，而以机器学习和深度学习为代表的需要依靠海量数据训练机器的人工智能模式，可能也需要进一步革命，因为很多领域实际上并没有海量的数据作为基础，而且随着数据隐私保护的日益强化，效率与安全之间的矛盾也日益凸显。
联邦学习是在用户数据隐私保护的前提下,通过去中心化协作的方式，进行多方数据融合与机器学习模型集成的理论技术。巧妙的化解了多个主体、多数据源、不同特征维度之间联合建模的问题，解决行业内外数据隐私与数据共享的矛盾，使得企业各方在保护彼此数据隐私的前提下实现跨平台和地域的共创价值，各取所需。
同盾敏锐地观察到联邦学习的独特能力,针对这种数据隐私问题,可以利用联邦的思想,将银行、信贷公司、消费金融公司、P2P平台等金融企业全都纳入联邦框架中,以实现价值的共享。
近日同盾科技人工智能研究院深度学习实验室发布了最新研究成果：“面向联邦学习的加密神经网路”（）。该研究成果可以用于解决多头借贷难题，并能保障参与方的数据隐私。
联邦学习目的是通过多个参与方协作，共同训练机器学习模型，同时还要能保护数据隐私。目前联邦学习主要存在如下两个方面的问题：
1) 在训练过程中尽管没有传输客户数据，一定程度上保证了用户隐私。但是梯度信息仍然可能会泄露用户隐私。
2) 联邦需要传输的模型梯度数据量非常大，在参与方和第三方通信过程中需要耗费较长时间。
为了解决上述问题，研究人员提出了一种基于加密神经网络的联邦学习方法，既可以保护用户的数据隐私，又可以压缩模型数据，加快联邦学习进程。
加密神经网络（如下图所示）主要包含两部分：加密网络和解密网络。其中加密网络部署在参与方，输入为每个参与方生成的梯度信息，输出加密数据。解密网络部署在第三方服务器上，输入为各参与方产生的加密数据，输出为重构的梯度更新。
因为，在整个传输过程中只传输加密后的梯度信息，而且第三方的解码器只能重构出整体的梯度更新而不能重构出单个参与方的梯度信息。因此即可以保证参与方的梯度信息在传输中是安全的，又可以保证参与方信息对第三方服务器也是私密的。
加密神经网络在本质上同时实现了安全多方计算和同态加密的功能，该方法可以有效解决多头借贷问题。借贷数据可以通过加密神经网络计算,这样在传输过程甚至是第三方机构中都不会有可复原的数据出现，进而有效规避了隐私泄露的风险。
作为国内联邦学习的先驱，同盾科技致力于基础理论、算法和平台的创新研究、产品及服务的研发落地，推出有落地场景支撑的行业标准及开放平台，在人工智能研究院的大力推动下,同盾科技联邦学习正在加速产业化进程,一些基于理论的美好猜想,正渐渐闪烁让人兴奋的曙光。
对于前段时间PHPstudy软件被黑客植入后门事件，我们对黑客的此行为深表痛恨，为了更好地预防此次事件重演，保证广大用户的网络安全问题，PH
9月26日，在华为Mate30发布会上，百度输入法与Cherry合作的仿真键盘惊艳亮相。百度输入法重磅推出仿真键盘功能，该功能创造性的结合x轴线性
万佳安腾讯云双品牌开年第一场发布会前不久在深圳举办，发布会推出了多款智能家居产品，其中7寸屏AI音箱尤其引人瞩目。智能音箱是目前智
北京10月15日电(记者 吴涛)近日，有消息称，有用户正在使用的手机号码一夜之间被靓号，需要额外缴纳39元最低消费，只因为尾号是个8。还有
金九银十，是家电市场促销竞争激烈的时节。从今年十一黄金周家电市场表现来看，家装一体化、家电套购、智能家电、产品定制化等消费热点凸显
很喜欢黄小琥的《没那么简单》,尤其喜欢其中的几句歌词:感觉快乐就忙东忙西,感觉累了就放空自己,别人说的话 随便听一听,自己做决定,不想拥
当前网址：http://www.sx-news.com/keji/2019-11-24/162674.html
免责声明：本文仅代表作者个人观点，与西部头条网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
