AI与数据隐私保护：联邦学习的破解之道

被引：86

作者：

杨强 ^{[1
,2
]}

机构：

[1] 微众银行

[2] 香港科技大学

来源：

信息安全研究 | 2019年 / 5卷 / 11期

关键词：

人工智能; 联邦学习; 数据安全; 数据隐私; 企业协同治理;

D O I：

暂无

中图分类号：

F272 [企业计划与经营决策]; TP309 [安全保密]; TP18 [人工智能理论];

学科分类号：

1201 ; 081201 ; 0839 ; 1402 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

伴随着计算力、算法和数据量的巨大进步,人工智能迎来第3次发展高潮,开始了各行业的落地探索.然而,在"大数据"兴起的同时,更多行业应用领域中是"小数据"或者质量很差的数据,"数据孤岛"现象广泛存在.例如在信息安全领域的应用中,虽然多家企业推出了基于人工智能技术的内容安全审核、入侵检测等安全服务,但出于用户隐私和商业机密的考虑,企业之间很难进行原始数据的交换,各个企业之间服务是独立的,整体协作和技术水平很难在短时间内实现突破式发展.如何在保护各机构数据隐私的前提下促成更大范围的合作,能否通过技术手段破解数据隐私保护难题,联邦学习是解决这一问题、实现跨企业协同治理的有效方式.

引用

页码：961 / 965

页数：5