KAS:隱私計算詞典丨聯邦學習為何如此博人眼球？_人工智能電影

前言：隱私計算賽道作為當下的風口賽道，無數企業紛紛涌入，搶跑占道。作為一家專注于區塊鏈隱私計算賽道科普入門的垂直媒體，同時也是針對隱私計算興趣者開放的“純天然”、低門檻入口，我們匯總并分類了隱私計算行業內晦澀難懂的名詞，編寫了「隱私計算詞典」板塊，幫助大家理解、學習。?

此篇，我們來了解隱私計算技術架構的第三部分——聯邦學習。

近年來，從無人駕駛汽車，到AlphaGo擊敗頂尖的真人圍棋手等等，AI人工智能在科技領域的發展著實吸引了足夠多人的眼球。

然而，發展至今的AI人工智能仍面臨兩大現實問題：

行業數據分散且收集困難，數據以孤島的形式存在；

FTX就歐洲子公司交易提起訴訟，尋求追討3.23億美元資金:金色財經報道，據華爾街日報：加密貨幣交易所FTX就歐洲子公司交易提起訴訟，尋求追討3.23億美元資金。[2023/7/14 10:54:05]

隱私得不到保障，安全共享數據成為了一道壁壘。

針對此，人們提出了一種名為「聯邦學習」的隱私計算技術。

聯邦學習，又名聯邦機器學習、聯合學習。它是AI人工智能的一門分支技術，旨在保障大數據交換時的信息安全、數據保護，在合法合規的前提下，有效幫助多行業的數據進行機器學習建模。

隱私保護是聯邦學習最主要的關注點，在實際的應用中，聯邦學習通過將數據的不同特征在加密的狀態下加以聚合，以增強機器學習模型能力，再通過共享數據模型，避開原始數據共享，進而保證了數據的安全性。?

加密借貸平臺Vauld申請將債權人保護延長至2023年3月7日:金色財經報道，根據法庭文件，亞洲加密借貸平臺Vauld向新加坡法院申請將債權人保護延長至2023年3月7日，以尋求更多時間來解決其財務問題，Vauld現有的債權人保護將于11月7日到期。根據法庭文件，本月早些時候Vauld成立了一個債權人委員會，該委員會由17名未披露的Vauld債權人組成。

此前報道，Vauld于7月份暫停客戶提款，欠債權人4.02億美元，其中3.63億美元（或90%）來自個人散戶投資者的存款。（The Block）[2022/10/22 16:35:00]

利用聯邦學習的特點，即使是不導出企業數據的情況下，也能為三方或多方建立機器學習模型，既充分保護了數據隱私和數據安全，又為客戶提供個性化、有針對性的服務，實現了互惠互利。?

調查：超過50%的英國主要銀行允許客戶與加密貨幣交易所交互:金色財經報道，一份調查報告顯示，只有47%的英國銀行沒有允許客戶參與加密貨幣交易所的政策，其中大多數銀行以安全問題為由。該調查納入了英國17家主要銀行、建筑協會和銀行應用程序的反饋。其中有七家銀行不允許涉及加密貨幣交易所的轉賬或借記卡/信用卡購買。調查的結論是，只有四家銀行可以被認為是加密貨幣友好型銀行。該類別包括純數字銀行或銀行應用程序，包括Starling、Monzo和Revolut。（Finbold）[2022/10/16 14:29:25]

同時，我們可以利用不同類別的聯邦學習技術來解決數據異質性問題，突破傳統AI技術的局限性。依照參與建模的數據源分布，聯邦學習可分為橫向聯邦學習、縱向聯邦學習和聯邦遷移學習三類。?

加密資產管理平臺Kassio在印度基于加密的金融服務:6月1日消息，加密資產管理平臺 Kassio 在印度推出加密金融服務，包括年利率高達 13% 的加密定期存款和 Kassio 卡的加密貨幣線下購物服務。

據悉，Kassio 成立于 2020 年，旨在滿足用戶可以“賺錢、借貸、購物或交易”的所有加密需求，其測試版于 4 月上線，Kassio 已在其平臺上注冊了 30,000 多個應用程序。（forkast）[2022/6/1 3:55:41]

橫向聯邦學習

?假設收集兩個數據集，這兩個數據集用戶特征重疊多，而用戶重疊少。我們把數據集按照用戶維度切分，取出雙方用戶特征相同，而用戶不完全相同的部分數據作為機器的訓練數據，這種模型稱為橫向聯邦學習。?

例如，兩個不同行政區的銀行，用戶群體分別來自所在行政區，重疊部分少。但是同作為銀行，業務類似，因此數據集收集的用戶特征則大體相同。因此，橫向聯邦學習模型收集的是兩個數據集不完全相同的用戶部分。?

如下圖所示：?

縱向聯邦學習

與橫向聯邦學習相反，在兩個數據集用戶重疊多、用戶特征重疊少的情況下，縱向聯邦學習把數據集按照數據特征維度切分，取出雙方用戶相同，而用戶特征不完全相同的部分作為機器訓練數據。?

例如，同一個行政區的銀行和商超，其收集的數據用戶群體大致類似，但銀行和商超收集到的用戶特征基本不同。因此，縱向聯邦學習模型收集的是兩個數據集不完全相同的用戶特征部分。?

如下圖所示：

聯邦遷移學習

在用于機器學習的數據集樣本用戶與用戶特征重疊都較少的情況下，通常不對數據進行切分，而是引入聯邦遷移學習，來解決數據不足的問題，從而提升模型的效果。

具體地，可以擴展已有的機器學習方法，使之具有橫向聯邦學習或者縱向聯邦學習的能力。?例如，收集一家位于北京的銀行和一家位于上海的商超的數據，由于受到地域限制，用戶群體交集很小；同時，由于銀行和商超類型的不同，二者收集的數據特征也基本無重合。?

引入聯邦遷移學習，首先可以先讓兩個數據集訓練各自的模型，之后通過加密模型數據，避免在傳輸中泄露隱私。之后，對這些模型進行聯合訓練，最后得出最優的模型，再返回給各個企業。?

如下圖所示：?

多種類別的聯邦學習方式使得機器學習模型更加具有通用性，可以在不同數據結構、不同行業間發揮作用，沒有領域和算法限制，同時具有模型質量無損、保護隱私、確保數據安全的優勢。?

在實際的應用中，類似銷售、金融等行業，由于知識產權、隱私保護和數據安全等因素限制，數據壁壘很難打通。

聯邦學習成為了解決這些問題的關鍵，在不影響數據隱私和安全的情況下，對來自多方的數據進行統一的建模，進行機器學習模型的訓練，這些企業之間就能更好地進行數據協作。?

可以說，聯邦學習為構建跨行業、跨地域的大數據和人工智能生態圈提供了良好的技術支持。?考慮到在整個訓練過程中，進行模型更新的通信仍然可以向第三方或中央服務器顯示敏感信息，因此聯邦學習技術廣泛地與安全多方計算、TEE或者區塊鏈等技術結合應用，來增強聯邦學習的隱私性和去信任。

但目前已有的方法通常以降低模型性能或系統效率為代價提供隱私，因此，如何在理論和經驗上理解和平衡這些權衡，將是實現聯邦學習技術廣泛應用落地的一個相當大的挑戰。

來源：金色財經

Tags：KAS加密貨幣ASS人工智能kas幣未來前景今天加密貨幣為何暴跌massgrid人工智能電影

波場