当前位置: 主页 > 教育 >

CCAI 2022隐私计算与联邦学习产业论坛召开,产学界共话趋势与挑战

时间:2022-11-02来源:互联网 作者:编辑 点击:
10月29-31日,主题为“湘聚智造·凝创未来”的第八届中国人工智能大会在湖南长沙举行。其中大会重磅主题论坛《隐私计算与联邦学习产业论坛》由FATE开源社区承办,于10月30日在线上

10月29-31日,主题为“湘聚智造·凝创未来”的第八届中国人工智能大会在湖南长沙举行。其中大会重磅主题论坛《隐私计算与联邦学习产业论坛》由FATE开源社区承办,于10月30日在线上顺利召开。

微众银行人工智能首席科学家范力欣博士和澳大利亚科学院院士、新南威尔士皇家学院院士、京东探索研究院院长、ACM/AAAS/IEEE Fellow陶大程教授担任本次论坛主席。十多位来自学术界和产业界的专家学者与行业领袖,围绕隐私计算如何推动人工智能更广泛落地、联邦学习如何促进隐私计算进步等关键议题进行深度交流与探讨。

专家学者共襄学术盛宴,聚焦隐私计算与联邦学习前沿进展

随着《数据安全法》、《网络数据安全管理条例》、《个人信息保护法》的相继施行,我国对数据安全与隐私保护重视踏上了一个新的台阶。隐私计算与联邦学习“数据可用不可见”的技术特性,使其成为同时实现保护数据安全、个人隐私与发挥数据价值的基础性技术,是培育高质量的数据要素市场的重要基石。但隐私计算与联邦学习技术也面临着多重挑战,包括安全、效率、性能的平衡问题,隐私保护的优化与决策问题,人工智能大模型的挑战问题等,针对这些挑战,专家学者们开展了前沿研究,展望了重要的技术发展方向。

CAAI荣誉副理事长、加拿大工程院院士、加拿大皇家科学院院士、微众银行首席人工智能官、AAAI/ACM/IEEE/CAAI/AAAS Fellow杨强教授进行了《可信联邦学习》主题演讲。杨强表示,联邦学习是人工智能和隐私计算的重要交集,如何使联邦学习更加安全可信和高效是今后产业和学界关注的重点。杨强教授表示,开源是可信联邦学习实现普惠的重要路径,在开源平台的支撑下,联邦学习在多个场景涌现出了优秀的应用案例。此外,杨强教授还系统讲解了FedCG、FedBCD、FedIPR等联邦学习的最新学术进展,并展望了个性化联邦学习、参数通信、模型定价、数据价值评估等未来方向。

欧洲科学院院士、比勒菲尔德大学洪堡人工智能教席教授、IEEE Fellow金耀初院士以《从隐私保护的机器学习到隐私保护的优化与决策》为主题,分享了隐私保护机器学习的前沿进展。金耀初院士首先简要回顾了隐私保护机器学习,介绍了基于数据加密技术的高斯过程建模及基于差分隐私和汤普生采样具有隐私保护能力的贝叶斯优化算法,并讨论其局限性。最后提出一种基于神经网络及联邦学习的隐私保护贝叶斯优化算法,并讨论噪声及数据分布对其性能的影响。该算法提升了联邦学习模型性能,尤其是在非独立同分布(Non-IID)数据存在的情况下。

针对“AI+医疗健康”这一交叉研究前沿热点领域,中国科学院计算技术研究所所务委员/研究员、智能研究部主任陈益强详细介绍了医工交叉研究中的多模态数据泛在感知,跨模态细粒度关联分析以及多中心协作联邦学习的关键挑战问题及所提方法,并重点介绍基于以上成果实现的面向医工交叉的联邦协作科研创新平台,目前该平台已在56家医疗机构进行了应用推广,辅助诊断模型的平均诊断率提高了10,涌现出了联邦眼科疾病预测模型,围术期并发症预测联邦系统,颅内动脉瘤临床辅助决策等AI+医疗健康的实际应用案例 。

“人工智能大模型给隐私保护带来了巨大的挑战,大模型可能会放大社会的偏见。”微软亚洲研究院首席研究员、IEEE/CCF Fellow谢幸提到。谢幸表示,近年来,人工智能模型的规模越来越大。为了在实际应用中达到最佳性能,人们经常会使用用户数据或企业内部数据对大模型进行训练或微调,这带来了巨大的隐私风险,在训练和推理阶段都给隐私保护带来了巨大挑战。在报告中,谢幸介绍了微软亚洲研究院为了应对这些挑战展开的一系列研究,包括FedKD, InclusiveFL和Efficient-FedRec。

针对联邦学习系统中的效率-安全-性能的平衡问题,清华大学智能产业研究院副教授、副研究员刘洋介绍了学术界的最新探索,针对数据安全与隐私,传输效率,异构数据、异构设备的适配,训练效果等联邦学习核心问题,讲解了包括联邦学习安全分级评估,联邦学习防御评估,防御标签和后门攻击,FedBCG,FedSSO,FedGEMS,TailorFL在内的多项最新研究进展,为构建安全高效的联邦学习框架提出新的解决思路和挑战问题。

业界首个工业级联邦学习开源项目FATE降低了隐私计算的准入门槛,促进了联邦学习的普惠,对于FATE的技术演进及生态发展,FATE开源项目开发专委会主席、VMware中国研发中心技术总监张海宁进行了详细讲解。张海宁介绍了FATE的技术原理、特点以及发展方向,并说明了FATE开源社区的民主化治理方式和共建社区生态的模式。

  打造数字化安全基座,隐私计算迎来规模化应用新历程

近年来,隐私计算技术体系不断完善,应用场景逐渐丰富,隐私计算在与各行各业的碰撞与融合下不断蓬勃发展,将迎来规模化应用的新历程。隐私计算技术在保障数据安全和个人隐私的前提下,打破了“数据孤岛”,让数据要素以“可用不可见”的方式在金融、智能城市、营销、政务数据开放等领域发挥出价值。

为了探讨隐私保护机器学习在实际应用层面可能面临的行业痛点与相应的技术解决方案,论坛特别设置了“可信联邦学习”圆桌会议。会议由微众银行人工智能首席科学家范力欣主持,京东科技数字城市群高级总监、京东智能城市研究院人工智能实验室主任张钧波,清华大学智能产业研究院副教授、副研究员刘洋,中国电信研究院 IEEE SPFML-WG 、IEEE C/AISC/FTFML 标准主席巫祖萍,数字福建城市交通大数据研究所(厦门大学)常务副所长范晓亮,成都超算中心高性能计算部部长郑亮等六位专家学者和行业领袖围绕隐私计算在高等教育、运营商、高性能计算、城市计算等场景面临的具体挑战进行了深入的讨论,并提出在技术层面上通过安全、效率与效能的平衡以使得隐私计算适用于更广泛的场景的解决方案。

平安集团首席科学家肖京介绍了隐私计算的前沿技术与金融实践。肖京表示,隐私计算是保障数据安全流通的重要基础科技。对此,平安自主研发“蜂巢”隐私计算服务平台,它通过联邦学习、多方安全计算、密码学等一系列关键技术的研发与应用,垂直下沉并赋能到金融领域,开展有企业级互联互通底座应用、信贷审批融合应用、监管合规与安全应用等多项隐私计算金融实践,为业务降本增效保驾护航,充分发挥产业价值。肖京展望,隐私计算将会进一步拓宽数据合作与应用边界,促进大数据流通融合和共赢。

联邦学习在助力城市数据一网共享方面也发挥着巨大的支撑作用,京东科技数字城市群高级总监、京东智能城市研究院人工智能实验室主任张钧波表示,智能城市的快速发展形成了海量的数据,数据已成为继土地、劳动力、资本和技术之后的第五种生产要素,如何使用好数据、发挥数据的价值变得至关重要,这能影响各行业的发展,甚至是国家发展和世界格局。信息孤岛、数据壁垒等的存在很大程度上制约了智能城市等领域的发展,如何解决城市数据共享和隐私安全之间的矛盾问题使之助力产业发展变得尤为关键。张钧波分享了城市数据一网共享中的机遇与挑战、关键技术及其产业化落地中的实际应用案例。

腾讯云隐私计算专家工程师王礼斌介绍了隐私计算在营销领域的最新实践。王礼斌通过隐私计算在营销实践中的三个实际案例,讲述在精准锁定客群,发掘客户偏好,以及提供千人千面的产品推荐过程中,遇到的数据合作困难,以及隐私计算技术如何解决这些困难的。王礼斌还说明了案例场景中联邦学习和多方安全计算技术如何进行组合,并在安全与效率之间取得平衡。这三个典型案例展示了营销领域最前沿的隐私计算应用模式、技术方案以及应用效果。

百度数据安全副总经理、百度安全产品总经理韩祖利在《隐私计算构筑数据要素市场安全体系》演讲中,详细介绍了为数据要素市场体系提供技术支撑,赋能数据要素流通共享的实践经验。韩祖利表示,数据要素市场中,政务数据起着尤为关键的作用,促进数据要素发挥价值的关键“着力点“在于从供应侧入手,关注顶层设计,谨慎设计市场机制。为此,百度将安全多方计算、联邦学习、机密计算、安全数据沙箱等成熟的隐私计算引擎有机地结合在一起,辅以区块链技术做保障,为政务数据开放平台提供完善的方案。

隐私计算与联邦学习产业论坛全面展示了隐私计算与联邦学习的前沿学术进展和最新行业应用。作为第八届中国人工智能大会的重要组成部分,此次论坛从理论和实践两方面展示了隐私计算与联邦学习的最新成果,为促进隐私计算和联邦学习生态建设,推动学术研究成果转化,构建产学研用价值闭环贡献重要推动力。

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
文章导航
推荐内容