9月9日消息，今年，360數(shù)科進一步推動隱私數(shù)據(jù)保護領(lǐng)域研究，提出分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架（Spilt Neural Network），并通過自主研發(fā)的一套系統(tǒng)實現(xiàn)算法落地。

隱私數(shù)據(jù)項目主要牽頭人、360數(shù)科隱私保護研究院院長沈赟博士表示，“我們一直以來都在做一些技術(shù)上的創(chuàng)新。在隱私數(shù)據(jù)保護領(lǐng)域，使用神經(jīng)網(wǎng)絡(luò)算法更加靈活，可以把不同類型數(shù)據(jù)提取出來，在統(tǒng)一架構(gòu)下去學習，效率上能夠大幅提升。”

據(jù)介紹，與傳統(tǒng)聯(lián)邦學習不同的是，分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架輸出層數(shù)據(jù)的維度遠小于原始輸入層的維度，即使輸出層的數(shù)據(jù)沒有加密也無法反推原始輸入層的數(shù)據(jù)，從而在框架設(shè)計上杜絕了數(shù)據(jù)泄露的問題。由于輸出層數(shù)據(jù)的維度較小，也可以大幅降低服務(wù)器端的計算量與內(nèi)存使用量，減少網(wǎng)絡(luò)傳輸量，降低對帶寬的要求。

同時，與聯(lián)邦學習類似，分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架不需要上傳任何原始數(shù)據(jù)。在使用原始數(shù)據(jù)或者上傳輸出層結(jié)果前，可以使用各種加密方式進行加密，從而保障了隱私數(shù)據(jù)安全。

與聯(lián)邦學習的不同之處在于，該框架下每個參與學習的客戶端各自部署自身的子神經(jīng)網(wǎng)絡(luò)，學習后的參數(shù)并不需要共享給服務(wù)器。每個客戶端只需要把最頂層輸出層的數(shù)據(jù)回傳給服務(wù)器，之后服務(wù)器綜合各個客戶端的結(jié)果再由各客戶端各自進行更新迭代。

360數(shù)科方面表示，由于網(wǎng)絡(luò)是分裂部署在各客戶端上，它們自身的結(jié)構(gòu)并不與其他各方共享，且自身的權(quán)重也不需要與服務(wù)器交互，因此可以解決聯(lián)邦學習中龐大的深度網(wǎng)絡(luò)帶來的服務(wù)器與客戶端之間大量數(shù)據(jù)交互帶來的網(wǎng)絡(luò)傳輸壓力。

據(jù)悉，目前，該框架主要滿足360數(shù)科在與合作方進行數(shù)據(jù)交互時的需求。未來，在360數(shù)科對外輸出風控能力的過程中，隱私計算也將作為技術(shù)輸出的一部分，作為綜合解決方案從底層解決數(shù)據(jù)安全問題。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。