據(jù)外媒報(bào)道，美國mit（麻省理工學(xué)院）提出一種可以保護(hù)基于云的ai系統(tǒng)，可以在不降低速度的情況下保護(hù)云計(jì)算的ai人工智能。這種基于云的ai人工智能系統(tǒng)的安全性非常重要，特別是當(dāng)人們使用像照片或醫(yī)療記錄這樣的敏感數(shù)據(jù)時(shí)。

迄今為止，使用傳統(tǒng)方法，使得加密數(shù)據(jù)可以使機(jī)器學(xué)習(xí)系統(tǒng)如此緩慢，以致于幾乎無法使用。

然而，值得慶幸的是，美國mit提出一種gazelle形式的解決方案，這項(xiàng)技術(shù)使用加密卷積神經(jīng)網(wǎng)絡(luò)且不會(huì)出現(xiàn)急劇減速。更關(guān)鍵的是將兩種現(xiàn)有技術(shù)融為一體，避免了這些方法產(chǎn)生的常見瓶頸。

首先，用戶依靠“亂碼電路”方法將數(shù)據(jù)上傳到ai，該方法采用輸入并向會(huì)話的每一方發(fā)送兩個(gè)不同的輸入，為用戶和神經(jīng)網(wǎng)絡(luò)隱藏?cái)?shù)據(jù)，同時(shí)使相關(guān)輸出可訪問。然而，如果該方法被用于整個(gè)系統(tǒng)，則通常過于密集，因此mit在發(fā)送給用戶之前，使用更高要求的計(jì)算層的同態(tài)加密（它既取又產(chǎn)加密數(shù)據(jù)）。同態(tài)方法須引入噪聲才能工作，因此它只限于在傳輸信息之前一次壓縮一層。簡而言之：mit正在根據(jù)每一方做得最好的方式分擔(dān)工作量。

測試結(jié)果表明，其方法性能比傳統(tǒng)方法快了30倍，mit承諾按照他們的要求將所需的網(wǎng)絡(luò)帶寬縮減一個(gè)數(shù)量級(jí)。傳統(tǒng)方法迫使公司和機(jī)構(gòu)要么建立昂貴的本地神經(jīng)網(wǎng)絡(luò)，要么完全忽略基于ai人工智能的系統(tǒng)。而mit提出的云ai方法將會(huì)導(dǎo)致更多使用基于互聯(lián)網(wǎng)的神經(jīng)網(wǎng)絡(luò)來處理重要信息。例如，醫(yī)院可以讓ai發(fā)現(xiàn)mri掃描中的醫(yī)學(xué)問題，并與其他醫(yī)院專家或醫(yī)生共享，而不暴露患者數(shù)據(jù)和隱私。敏感數(shù)據(jù)即保持安全性，又保持時(shí)效性。

（編輯：）