您好、欢迎来到现金彩票网!
当前位置:秒速快3 > 数据隐私 >

Google IO 2019大会上提到的联邦学习技术如何保护数据隐私

发布时间:2019-05-18 13:16 来源:未知 编辑:admin

  5月8日凌晨(美国时间5月7日上午)第11届Google I/O 2019开发者大会如期而至,除了Pixel、Nest两大硬件阵容组团更新,最新的安卓系统AndroidQ亮相,AI更是本次大会上当之无愧的主角。

  Google搜索中融入AR视觉效果、Google Lens加入实时翻译和朗读、Google Assistant能够在多个 app 中来去自如完成指令……Google在前期积累的深度学习开始反哺早前推出的许多老功能,使这些功能变得更完整和易用,正如CEO Sundar Pichai所言,Google 使命是整理世界的信息,但是在形式上正在发生变化,过去的 Google 是帮助你获取信息,而今后则是帮助你完成任务。

  除此以外,值得关注的是,无论在哪一个环节,Google都提到了隐私和安全。Android有 50 个功能是为隐私安全优化的;隐私控制扩展到整个 Google 账户上,用户可以一键设置数据定期删除……

  而在完善隐私控制,让用户自己拥有数据的使用和控制权之外,Pichai还提到“联邦学习(Federated Learning)”技术能从算法模型层面解决数据隐私保护问题。AI模型直接在手机上训练,无需将手机中的数据上传到云端,从而在保护用户隐私的同时,持续优化AI模型。

  事实上,Google并不是唯一进行联邦学习研究的机构,针对数据隐私保护的问题,各国机构和学者都在寻求技术解决方案。2017年开始,大量联邦学习研究成果大量涌现,我国在这一方向的研究也居于世界前列。不同于谷歌基于移动终端(C端)的研究,以微众银行AI团队为代表的我国研究机构更注重跨机构跨组织(B端)大数据合作场景。所谓“联邦学习”,首先是一个“联邦”。不同于企业之前的“各自为政”,拥有独立的数据和独立的算法模型,联邦学习通过将企业、机构纳入“一个国家、一个联邦政府”之下,将不同的企业看作是这个国家里的“州”,彼此又保持一定的独立自主,在数据不共享的情况下共同建模,提升机器学习效果。

  微众银行AI团队还首次提出”联邦迁移学习”,通过开放开源平台Federated AI Technology Enabler(FATE)发布了通用的联邦学习解决方案,并联合国内外知名研究机构和企业制定首个联邦学习国际标准(IEEE 联邦学习标准),推动联邦学习技术落地应用。

  在落地应用探索上,这两种不同类型的联邦学习也各有侧重。在此次大会上,Pichai介绍了联邦学习在Gboard 中的应用。基于单独设备上的数据,词汇推荐准确度有限,联邦学习能通过整合大量用户的模型,提升推荐准确性。如今,大量设备的 Gboard 都已经使用了联邦学习,在输入时为用户推荐单词与表情。

  而目前国内的研究成果表明,当联邦学习被用来推动机构间的协作,对于重构行业生态意义重大,尤其是金融、医疗等极度重视数据隐私的强监管行业。

  在金融领域,多家机构联合建模的风控模型能更准确地识别信贷风险,联合反欺诈。多家银行建立的联邦反洗钱模型,能解决该领域样本少,数据质量低问题。

  在医疗健康领域推进智慧医疗的过程中,病症、病理报告、检测结果等病人隐私数据常常分散在多家医院、诊所等不同地区不同类型的医疗机构,联邦学习使机构间可以跨地域协作而数据不出本地,多方合作建立的预测模型能够更准确地预测癌症、基因疾病等疑难病。如果所有的医疗机构能建立一个联邦学习联盟,那或许可以使人类的医疗卫生事业迈上一个全新的台阶。

  无论是基于个人终端设备还是组织机构合作,联邦学习作为新兴的人工智能基础技术,有望成为下一代人工智能协作网络的基础,全球范围内对联邦学习的落地探索都会继续。我们有理由相信,随着理论、应用体系的逐渐丰富,国际标准的逐渐完善,隐私保护问题所带来的技术挑战将得到有效解决。

http://talkingwithjon.com/shujuyinsi/6.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有