比特幣交易所 比特幣交易所
Ctrl+D 比特幣交易所
ads
首頁 > 非小號 > Info

隱私計算詞典丨聯邦學習為何如此博人眼球?_ATOR

Author:

Time:1900/1/1 0:00:00

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;

Kaiko:第二季度加密貨幣交易量創2021年以來新低:7月3日消息,據Kaiko數據顯示,第二季度加密貨幣交易量創2021年以來新低,僅略高于2020年第四季度水平,較2021年第二季度約8萬億美元的交易量下降超75%。[2023/7/4 22:15:56]

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。?

元宇宙項目Creatora完成1000萬美元A輪融資,a16z領投:1月16日消息,元宇宙項目Creatora完成1000萬美元A輪融資,a16z領投,該筆資金致力于打造以Z世代為中心的元宇宙平臺。據悉,Creatora是一個用戶生成內容(UGC)元節引擎,使創作者能夠創建、分發和MetaFi游戲。

Creatora為用戶提供獨有的加密原生自治世界,其功能包括交叉播放和即時訪問。此外,平臺內所有建立在土地上的東西都是可交易的。這包括模型、游戲、API等。[2023/1/16 11:13:56]

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。?

Axie Infinity:Ronin Bridge預計將于6月23日至28日啟動:金色財經報道,Axie Infinity發推稱,Land Staking 正在測試網上進行測試和優化。我們已經完成了它發布的文章。我們計劃在部署Ronin Bridge后啟動 Land Staking。橋上最新的預計啟動時間是6月23日至28日。[2022/6/21 4:41:31]

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。?

橫向聯邦學習

Galaxy Digital創始人:加密市場相對股市而言更接近底部:6月14日消息,Galaxy Digital HoldingsLtd.創始人兼首席執行官Mike Novogratz在摩根士丹利會議上發言表示:以太坊應該保持在1,000美元左右,現在是1,200美元。比特幣大概在20,000美元至23,000美元區間,我認為加密市場比美國股市更接近底部,股票將再下跌15%到20%。

Mike Novogratz補充表示:我認為現在還不到真正大規模部署資本的時候。我需要看到美聯儲退縮,經濟糟糕到美聯儲不得不停止加息,甚至考慮降息的時候(再行動)。[2022/6/14 4:26:36]

?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:EAT人工智能TORATORSWEAT幣人工智能幣種有哪些Victoria VREquator

非小號
元宇宙:不是區塊鏈的「備份」_元宇宙

在元宇宙的熱浪不斷涌動的大前提下,幾乎所有的行業都想要加持一下,試圖用元宇宙帶來新的生機與希望。社交、電商、游戲、娛樂,無一例外.

1900/1/1 0:00:00
深入分析 Uniswap V3 流動性供應的數學原理_SWAP

前言 Uniswap是DeFi領域的頭部去中心化交易所,其在今年5月上線了V3版本協議。V3版本與之前V2版本相比存在諸多差異,如集中流動性、多個費用等級、新的預言機等等.

1900/1/1 0:00:00
IOST鏈上相撲主題DAO——Yokozuna Finance正式發行通證ZUNA_UNA

2021年12月10日,去中心化金融協議YokozunaFinance宣布正式發行IOST鏈上通證ZUNA.

1900/1/1 0:00:00
OceanMollu丨GameFi鏈游大爆發BSC受益最多 但P2E可持續嗎?_GAM

近期游戲類融資十分火爆,從FootprintAnalytics的數據看到在2020年還處于末位,在2021年游戲類已經排名首位,占據了所有投資筆數中近13%的份額.

1900/1/1 0:00:00
M101:一款視覺效果不錯的NFT手繪頭像項目 你覺得能趕上頭像熱嗎?_元宇宙

作者:Chloe M101庇護所是專門生產側面人物的地方,他們準備好穿越銀河系經歷冒險,尋找新生命種族之外,也致力解決宇宙皺折Fold的奧秘.

1900/1/1 0:00:00
觀點:元宇宙將給NFT帶來無限發展_區塊鏈

盡管非同質化代幣(NFT)交易已經興起并成為頭條新聞,但對加密世界以外的大多數人來說,它們只是一個噱頭。元宇宙將改變這一點。當新技術從令人費解的邊緣興趣突然變成生活的一部分時,總會有一個轉折點.

1900/1/1 0:00:00
ads