來源：【科學網】
當下數據價值挖掘受隱私保護掣肘，常常形成“數據孤島”，“隱私計算”常被認為是破解該問題的有效方式。然而，隱私計算的發(fā)展和落地也面臨著巨大的挑戰(zhàn)，即安全與效率二者之間的平衡問題。對此，在日前召開的“聯邦學習安全效率與開源生態(tài)”線上論壇中，加拿大皇家科學院及工程院兩院院士、FATE開源社區(qū)技術指導委員會主席楊強認為，可信聯邦學習能兼顧安全與效率，在二者間實現平衡。
楊強認為，絕對安全和絕對效能是無法實現的，若要同時提高效能與安全，需要在二者間尋求一個平衡點，并借助“威脅模型”進行考量。換言之，隱私計算的落地，首當其沖要解決效能問題。
針對效能問題，FATE開源社區(qū)技術指導委員會成員、星云Clustar CTO張駿雪認為，從技術側來看，要解決隱私計算的效率問題，需要結合具體業(yè)務具體分析，并選擇最適配的基礎構建組件，而不是強行追求統(tǒng)一的方式。
張駿雪介紹說，隱私計算效能問題歸根結底是算力問題，因為無論是多方安全計算、聯邦學習、同態(tài)加密還是秘密共享等隱私計算技術，搭建的隱私計算平臺在真正的生產應用中都對算力（即計算和網絡通信）有越來越高的需求。
“算力提升才能實現效率的提升?！毕愀劭萍即髮W智能網絡與系統(tǒng)實驗室主任、星云Clustar創(chuàng)始人陳凱也認為，不解決算力和通信問題，隱私計算的大規(guī)模應用將無從談起。
加碼算力的確能轉化為隱私計算效能的提升。陳凱舉例說，星云Clustar依托算力加速及隱私計算加速卡，在聯邦學習等隱私計算場景中表現不俗，成功地為某互聯網銀行解決了因使用同態(tài)加密而產生的計算壓力與延時問題，使端到端性能提升10倍，推動了聯邦學習系統(tǒng)高效運轉落地。
據介紹，隱私計算是一種由兩個或多個參與方聯合計算的技術和系統(tǒng)，參與方在不泄露各自數據的前提下通過協(xié)作，對他們的數據進行聯合機器學習和分析。換言之，在隱私計算技術的加持下，數據的處理與分析過程可保持不透明、不泄露、無法被惡意攻擊及被其他非授權方獲取。
本文來自【科學網】，僅代表作者觀點。全國黨媒信息公共平臺提供信息發(fā)布傳播服務。
ID：jrtt
