当前位置:首页 > 知识 >

区块链解决方案:achain币交易所|联邦学习与无第三方技术趋势|算力智库隐私专栏

近日,杨强教授在SDBD2020·算力在线论坛中指出,联邦学习不仅仅是技术,更是开源生态的建立。联邦学习在满足数据隐私、安全和监管要求的前提下,让人工智能系统能够更高效、准确地共同使用各自的数据。

开门见山,本期算力隐私数据安全专栏特邀郭嘉,抛出3个问题,大胆构想无第三方和组件化的联邦学习技术未来。这一年,有幸零距离接触数百家客户,我想以一种更直接的方式来说一说联邦学习是否能落地银行的问题。(《阿凡达2》会讲一个什么样的故事呢?十年磨一剑,敬请期待。)

联邦学习的第三方协调器难道不是诟病吗?

问题二:进银行这样的机构,如果是敲命令行的产品,怎么可能说服领导?

问题三:机构采购了建模平台甚至建模方案,是不是意味着自己的工程师成为鸡肋?

相比有第三方参与的方案,基于MPC无第三方参与的方案对于参与方的隐私数据的保护更彻底。基于MPC的核心思想,富数即将推出的Avatar2.0大版本将从底层的基本算子和简易函数的计算开始,完成无第三方的产品升级。这项技术能够在保证信息安全的前提下,让投研机构利用非公开数据资讯和信息,更好地发掘和预测股票的波动。

通过组件化的IDE,富数

问题一的答案:银行级客户很难接受有第三方的方案,因此富数实现了无第三方的联邦学习。

问题二的答案:联邦学习很难通过命令行产品来说服银行客户领导,因此图形界面更容易理解。

问题三的答案:让合作伙伴参与联邦学习平台建设,将适合自身业务的算法组件开放给工程师,更合适。

郭嘉是富数科技的高级总监,负责隐私计算的解决方案与业务落地。

写在结尾,如果您对数据隐私、数据安全共享技术等领域有独到观点分享,欢迎投稿!投稿邮箱:hehaohua3h@163.com。文章所载观点仅代表作者本人,不构成投资建议,敬请注意投资风险。

猜你喜欢

关注我们

微信二维码

微信