“联邦学习”“隐私计算”前沿技术守护数据要素流通

数字经济时代，数据成为重要的战略资源和关键生产要素，成为数字经济深化发展的核心引擎激活数据元素的潜力，释放数据元素的价值，成为推动数字经济发展的关键举措以技术和顶层机制建立和完善数据要素市场，是充分发挥数据价值的重要保障

最近几天，在世界人工智能大会组委会办公室指导下，由粤港澳大湾大数据研究院，开放岛屿开源社区，智能投研技术联盟，FATE开源社区联合主办的2022世界人工智能大会——数据元流通技术前沿探索论坛在上海世博中心成功举办来自学术界，产业界，科研院所和研究机构的30余位专家学者和行业领军人物，围绕数据要素市场的基本体系和技术与产业的发展进行了深入的交流和探讨

值得一提的是，数字经济时代，人们对个人隐私越来越重视，政策法规越来越严格，数据协同与隐私保护的矛盾日益突出隐私计算已经成为全球新兴产业，越来越多的隐私计算平台加入开源行列伴随着《数据安全法》，《关键信息基础设施安全保护条例》，《个人信息保护法》的颁布实施，安全行业对信息安全和隐私数据越来越重视

论坛上，香港科技大学教授，智能网络与系统实验室主任，星云Clustar创始人陈凯表示:结合算法和协议创新，计算硬件加速，网络优化加速等软硬件技术，在保证数据隐私安全和数据建模效果的前提下，提高计算效率，是未来数据元流通基础设施建设的重要路径。

隐私计算是指在保护数据不被泄露给外界的前提下，实现数据分析和计算的一种信息技术它包括数据科学，密码学，人工智能等诸多技术体系的交叉融合在隐私计算的框架下，参与者的数据不能以明文形式走出本地在保护数据安全的同时，实现了多方数据的协同应用和联合计算，解决了使用数据和保护数据之间的矛盾

但在隐私计算中，有一个重要的技术范式——联邦学习，通常可以理解为两个或两个以上的参与者共同参与，在数据端原始数据不出本地的前提下，合作构建并应用深度学习的模型的人工智能技术。

自2016年Federation由Google首次提出，2018年由微众银行引入中国，并率先在B端进行创新应用以来，逐渐成为解决合作中数据隐私与数据共享矛盾的新路径，并被广泛应用于金融，安全，医疗，在线推荐系统等领域最近几年来，联邦学习技术发展迅速，其研究和应用的发展趋势和走向备受关注

但是，要让数据元素的流通更加顺畅和安全，开源和开放是必不可少的我认为，开源是数据要素流通产业发展的重要‘中轴’建设和发展开源社区，让更多角色参与到数据流通技术生态中来中国人工智能学会名誉副会长，加拿大工程院院士，加拿大皇家科学院院士杨强表示:目前我们已经逐步完善——FATE，全球首个面向私有计算和联邦学习的开源社区

中国信通院数据显示，国内55%的隐私计算产品基于或参考开源项目，其中以FATE开源项目为主目前，已有超过4000名个人工程师和开发者，以及超过800家企业参与了社区共建，形成了包括技术指导委员会和专业委员会在内的专业治理架构，拥有大量的社区主流参与者，贡献者和主要贡献者