w66利来

w66利来

联邦学习或可破解 机器学习数据获取难题

来源:银保监会官网日期:2019-09-04 浏览:

原标题:联邦学习或可破解 机器学习数据获取难题

  跟着人工智能的不断开展与落地,用户隐私问题越来越受到重视。近来,人工智能大数据公司由于违背相关法规而被罚巨额罚款,用户隐私问题再次回归群众视界。人工智能企业在同享数据的一起应恪守哪些品德准则?隐私维护法规关于AI的开展与落地而言是机会仍是应战?更强壮的数据维护法规是否会减缓AI的开展速度?在日前举行的第28届世界人工智能联合会议(IJCAI)上,业界专家提出了当今各职业在处理数据、完成AI落地需求一起面临的多个问题。

  “在《通用数据维护法令》等隐私维护条款施行的前提下,数据处理与隐私维护并不是一场‘零和博弈’的联系,二者的联系需求被正确对待,以完成双赢的局势。”华盛顿大学教授、D. E. Shaw机器学习团队董事总经理兼负责人佩德罗·多明戈斯以为,企业在处理数据时,不要被数据的力气冲昏了脑筋,需求要点考虑用户的知情权,承担起相应的社会职责。

  怎么处理AI运用中呈现的“数据孤岛”和用户隐私难题?世界人工智能联合会议2019理事会主席、微众银行首席人工智能官杨强给出了处理方案:“联邦学习或是处理这两个核心问题的同一个处理思路。”

  什么是联邦学习?“在维护数据隐私、满意合法合规要求的前提下,继续进行机器学习,这部分研讨被称为联邦学习。”杨强说,开端联邦学习的布景是欧盟经过了《数据隐私维护法令》。该法令要求公司在运用数据前要先向用户声明模型的效果,这份法令的实施让许多大数据公司在数据交流方面十分慎重,这关于极度依靠数据的机器学习是一个巨大的应战。

  “联邦学习期望在不同享数据的前提下,使用两边的数据完成模型增加。”杨强举例,假定两家公司想要树立一个用户画像模型,其间部分用户是重合的。联邦学习的做法是,首要经过加密交流的手法,树立用户的辨认符并进行交流,在加密状态下用减法找出共有的部分用户。由于要害用户信息并没有得到交流,交流的仅仅共有的辨认符,因而这并不违背《数据隐私维护法令》。然后,两边将这部分数据提取出来,将各自具有的相同用户的不同特征作为输入,迭代地进行练习模型、交流参数的进程。多项测验证明了给定模型参数,两边不能相互反推出对方具有的、自己没有的特征,因而用户隐私依然得到了维护。在不违背《数据隐私维护法令》的情况下,两边的模型功能都得到了进步。

  “数据安全和用户隐私现在已成为大数据年代的两大应战,关于金融、医疗及法令等数据灵敏职业更甚,联邦学习能够处理这两大问题。”微众银行AI部高档研讨员刘洋介绍。

0

推荐阅读


w66利来
电话
短信