EN
EN

翼方健数作为联邦机器学习供应商列入Gartner报告

2022-08-25

全球研究与咨询机构Gartner发布《预测2022年:人工智能核心技术》(Predicts 2022: Artificial Intelligence Core Technologies)[1]报告,翼方健数作为联邦机器学习供应商列入该报告。



c51e023dd27cdc35cb71c88e1d5522a2.png


根据Gartner在报告中描述,"联邦机器学习是一项重要的创新,它支持在一个分散的环境中训练/重新训练机器学习算法,且不披露敏感的商业信息。结构化的联邦机器学习通过同态加密、差异化隐私和多方安全计算等方式解决了全球组织在法规、隐私和安全方面面临的几个问题。联邦机器学习有望为工业4.0、内容个性化、汽车、智能移动和智能城市生态系统带来巨大的机会"。报告提到未来有望的战略规划假设是:"到2025年,80%的全球最大组织将至少参与一次联邦机器学习,以创建更准确、安全和环境可持续的模型。"


翼数联邦学习框架(XFL)介绍


作为国内领先的隐私计算公司,翼方健数自研的隐私计算框架(XDP Privacy Compute) 内置多种隐私计算技术,能够满足不同安全信任假设和计算复杂度场景的用户需求。主要包括利用硬件安全特性提供高效通用计算能力的翼数可信执行环境(XTEE)、基于密码学的可证明安全的翼数安全计算框架(XSCE)以及具有高效多方模型训练算法的翼数联邦学习框架(XFL),可进行数据安全存储、汇聚与发现、计算资源调度及隐私计算技术,能够从数据中获取价值,实现数据要素全生命周期的管理和流通。


其中自研的翼数联邦学习框架(XFL)是一个高性能、高灵活度、高适用性、轻量开放易用的联邦学习框架,支持横向联邦、纵向联邦、多方安全计算、差分隐私、集群部署等功能。


c824489418cfd9626c8d7fd1361fb01d.png

翼数联邦学习框架XFL整体架构


今年7月,翼方健数正式宣布开源翼数联邦学习框架,开源的翼数联邦学习能够支持大规模分散数据集模型训练的分布式机器学习方法,避免在机器学习过程中迁移数据集,实现“数据不动模型动”,数据不出域。此次开源的翼数联邦学习采用了Apache 2.0开源许可证,在系统构架上强调轻量 、高效、低依赖、高性能、易扩展以及易集成,以期让更多开发者能够在日常的计算过程中使用到隐私计算技术,在更多行业应用场景实现“数据使用”自由,通过技术普惠推动数字经济快速发展。


同时,翼数联邦学习在中国信通院近期发布的第六批「可信隐私计算评测」中以卓越的综合技术实力通过了「联邦学习 性能专项评测」,在模型训练、模型预测的各类算法中,其时耗和性能水平都处于行业前列。


e26bc31d2934be52939ef0221aaa3497.png

中国信通院“第六批”可信隐私计算评测中

XFL性能评测结果




翼数联邦学习框架(XFL)应用


在联邦机器学习的落地实践方面,翼方健数通过提取电子病历中的数据,建立呼吸道等五大症候群,利用过去两周症候群人数、药品售卖量,使用联邦学习的方式结合搜索引擎关键词,建立高维度的预测模型。解决了在数据分布式存在于不同数据源掌控下,在原始数据不出域的前提下,利用多方数据联合构建模型的问题,是典型的运用联邦机器学习实现传染病多点触发监测和智慧化预警的成功案例。


在联邦机器学习的研究推动方面,翼方健数与高校及企业形成紧密合作,参与由复旦大学牵头的首个国家科技创新2030——“新一代人工智能”重大项目“数据安全与隐私保护下的机器学习技术”。该项目针对人工智能应用中潜在的安全攻击和隐私侵犯等问题,围绕隐私保护联合建模、安全攻击检测防御和超大规模计算通信三个关键问题开展基础理论和关键技术探索其中,翼方健数着重参与到机器学习模型汇聚与迁移的研究,推动数据安全与隐私保护下的机器学习技术落地应用。


目前,数据的隔离和对数据隐私的保护正成为AI领域发展的一个挑战,而联邦机器学习将打破行业之间的障碍,建立起一个可以安全共享数据和知识的生态,让每个参与者都能公平地分享利益。未来,翼方健数将持续在数据安全流通和数据价值共享技术研发与应用领域开展深度探索,不遗余力地投入研发,进一步推动隐私计算在人工智能领域的技术融合与应用实践,促进人工智能模型向精准化、效率化发展,构建AI与隐私计算结合的应用场景和新型产业生态圈。


[1] Gartner,“Predicts 2022: Artificial Intelligence Core Technologies”, Farhan Choudhary, Arun Chandrasekaran, Mark Beyer, Erick Brethenoux, Alexander Linden, Soyeb Barot, Svetlana Sicular, Sumit Agarwal, Guido De Simoni, Jim Hare ,02 December 2021, GARTNER is a registered trademark and service mark of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved.


Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner research publications consist of the opinions of Gartner’s research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchant ability or fitness for a particular purpose.

法律声明 | 隐私政策 | Cookie一方平台 | 南京江北平台
版权所有 ©2016-2022 翼健(上海)信息科技有限公司 沪ICP备16013332号-3 沪公网安备 31010502003244号
版权所有 ©2016-2022 翼健(上海)信息科技有限公司
法律公告|隐私保护沪ICP备16013332号
沪公网安备 31010502003244号