LIBRA:隱私計算詞典丨聯邦學習為何如此博人眼球？_ALA

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；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。

交大復旦等聯合籌建數字身份與數據流通信任技術實驗室：開展隱私計算和區塊鏈技術攻關:今年6月，我國頒布了《數據安全法》，9月1日將開始正式實施，上海市人大也正在起草《上海市數據條例》。近日，上海市數字證書認證中心、復旦大學計算機學院、上海交通大學電子信息與電氣工程學院、移動互聯網系統與應用安全國家工程實驗室等宣布共同發起籌建數字身份與數據流通信任技術實驗室，該實驗室將基于數字信任技術的產學研生態合作，開展隱私計算、區塊鏈、前沿密碼等數字信任技術攻關和產業應用，支撐城市數字化轉型、數據要素市場構建和網絡安全體系建設。[2021/7/23 1:10:58]

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。

PlatON Cross聯合發起人：隱私計算是未來全數字時代的公共基礎設施的重要支撐:據官方消息，03月29日晚，由Gate.io主辦的直播專訪節目《酒局幣赴》邀請到PlatON Cross聯合發起人Jason直播分享近期最新發展。

直播期間Jason與Gate.io立春就隱私計算及其相關事項進行了探討與交流。Jason表示，在隱私計算方向，PlatON主要鎖定在為數據進行確權和定價這個全數字時代的核心需求，通過隱私AI來解決目前在金融、醫療、廣告等多個領域對于數據共享和協同計算存在著的強烈需求。

隱私計算一定是未來全數字時代的公共基礎設施的重要支撐，因為在當前時代數據已經被定義為繼土地、能源、人口、糧食之后的新一代生產要素，這個基本定位支撐起了可持續的戰略優先級，PlatON未來會站在這個角度來解構隱私計算的價值以及相應的“隱私經濟學”。[2021/3/29 19:27:21]

YFII將于數月內部署在隱私計算網絡Oasis Network上:12月9日，聚合器協議YFII宣布將在未來數月內部署在隱私計算網絡Oasis Network上。[2020/12/9 14:39:11]

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。?

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。?

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。?

聲音 | 尹航：Phala的隱私計算通過可信硬件實現:11月21日，在《金色深核》線上直播中，Phala Network聯合創始人尹航介紹了Phala的隱私計算模型以及\"橋\"如何保證資產安全性。尹航表示，Phala的隱私計算通過可信硬件實現，確切的說我們目前基于Intel SGX。從Intel的第六代CPU開始，每一個CPU內部都包含一塊特殊的區域，我們把它稱作“安全區”。安全區是硬件層面隔離的，安全區內部署的程序在執行過程中不會被干擾，數據也不會泄露，可以抵御來自操作系統、硬件級別的攻擊。因此我們把合約部署在安全區內，可以保證合約的輸入、輸出，以及執行過程都保密。只有用戶權限足夠才能解密數據。

另一方面，可信硬件提供了“遠程驗證”協議，用戶不需要特殊硬件，只要讓礦工執行合約即可，執行的同時會生成出一份密碼學證明，可以被瀏覽器、手機錢包獨立驗證。在Phala.Network上，一種資產就是一個合約，代碼與ERC20沒什么區別，但Phala只允許交易雙方解密交易數據，任何第三方都不能看到交易數據。我們會在Phala的機密智能合約中實現Libra的輕客戶端輕客戶端可以驗證來自Libra鏈的數據，也可以產生并Libra交易，這樣就實現了一個轉街橋：用戶在Libra鏈上把資產轉入到一個鎖定合約中，這次轉賬被pLIBRA合約觀測到，就會在pLIBRA端生成對應的跨鏈資產。

此外，用戶可以隨時用pLIBRA端的資產，兌換回Libra鏈上的原生資產。整個過程用戶都只和智能合約交互，不用引入第三方，就實現了去中心化的轉街橋。未來我們會利用波卡上的橋，以及在自己的鏈上開發更多的橋，目標是為任何區塊鏈提供隱私計算的能力。[2019/11/21]

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。

Tags：PHALIBLIBRAALAAlpha5libre幣怎么兌換其他幣libra幣怎么獲得pala幣如何產生的

fil幣價格今日行情