奇虎360算法专家谈联邦学习FATE开源平台:面对数据协同的首选安全方案

互联网
2020
01/20
09:51
分享
评论

最近,由微众银行AI团队研发并推出的联邦学习开源框架FATE(Federated AI Technology Enabler)再次迎来了一名社区贡献者——来自奇虎360的吴攀。从FATE的面世,到贡献者激励制度的推出,数据安全行业从业者参与到开源社区建设的浪潮逐步兴起,开发者们为何将目光纷纷投向FATE?联邦学习生态又是如何深化及拓展?在采访中,这位来自安全领域的贡献者为我们做了分享,揭秘了其对开源框架FATE在数据安全隐私保护领域的期待。

直击数据协同行业痛点,助力数据协同应用拓展边界

据悉,吴攀是奇虎360数据智能集团智能开发部的高级算法工程师,从事机器学习相关创新应用项目,主负责基于AI帮助业务实现平台化、规模化的工作。其基于自身业务场景,主要补充了纵向联邦学习线性模型算法处理稀疏输入数据的能力,用于联邦学习能力边界的进一步拓展。

在采访中他提到,数据的应用往往受到数据本地化、隐私性等种种限制。例如最近因数据安全问题停滞的项目中,需要和合作方协同完成广告精准投放项目进行联合建模,各方的不可信以及用户数据外传的法规风险使得项目进展举步维艰。

而其团队在数据专家的指导下,开始接触到了联邦学习及其开源框架FATE,通过深入了解,发现FATE在数据本地化、隐私安全的前提下,拥有极强的数据协同能力,因此FATE框架成了团队面对数据安全问题的首选方案。

fate1

联邦学习释放数据更大价值,开源框架FATE降低数据应用准入门槛

从2019年发布FATE0.3,到目前更新迭代至FATE1.2,FATE在各行业企业、机构及开发者的共同建设下,正变得更为可信和易用,如任务界面的可视化用户体验越来越好,各组件代码的模块化使得结构更清晰,让不同的开发者更容易“按需取用”;存储的优化使得有了运行更大数据的可能;部署方式的多样化以及分布在各个领域的社区成员提供的详尽说明文档,使得开发者的熟悉门槛更低,吸引到了更多的人投入到联邦学习工业级开源框架的怀抱中。

吴攀表示,联邦学习FATE的数据安全保障能力以及隐私保护的理念,与360集团的大安全战略不谋而合,本次的贡献也是基于使更多人享受到金融科技的便利而做出的贡献,在未来,他将会更深入参与到FATE的建设当中,其团队也期待着联邦学习技术的未来发展,推动大安全领域“百尺竿头更进一步”。

各行业领域纷纷加入,联邦生态边界不断扩张

因联邦机制的关系,联邦学习的能力边界,会随着联邦生态的成员数量增长而不断拓展,如吴攀这样的安全领域资深从业者的加入,将会成为联邦学习发展远航的中坚力量。同时在联邦学习这样创新技术帮助下,相信未来会对网络安全行业起到引领和推动作用。

除了安全领域,联邦学习的生态也已落地到了更多的行业,例如AIoT从万物互联到万物智联,助力“智慧城市”、“智慧安防”、“智慧交通”;智慧零售推动了传统零售的转型升级,人流预测助力智能化的库存管理,合理的人才资源适配;视觉联邦学习系统提供更大样本量提升机器视觉识别准确率的能力。(前往官网查看更多案例:https://ai.webankcdn.net/scvm/html/1579238009360.html)

随着越来越多的开发者积极参与到联邦学习框架FATE的能力建设,以及应用生态的不断壮大,距离“打破数据孤岛”的理想将更近一步。更多组织机构走出信息孤岛,安全联合共建联邦,这将为更多AI应用领域搭建落地的桥梁,创造更大的社会效益。

THE END
广告、内容合作请点击这里 寻求合作
免责声明:本文系转载,版权归原作者所有;旨在传递信息,不代表砍柴网的观点和立场。

相关热点

相关推荐

1
3