9月3日，由世界人工智能大会组委会办公室指导，粤港澳大湾区大数据研究院、开放群岛开源社区、智能投研技术联盟(ITL)、FATE开源社区联合主办的2022世界人工智能大会-数据要素流通技术前沿探索论坛在上海召开。
论坛以“开放共生，数实融合”为主题，国家信息中心原常务副主任、粤港澳大湾区大数据研究院名誉理事长杜平，加拿大工程院院士、加拿大皇家科学院院士杨强，国家信息中心大数据发展部规划处处长、粤港澳大湾区大数据研究院院长王建冬，中国信息通信研究院云计算与大数据研究所所长何宝宏，中科院软件所总工程师、智能软件研究中心主任武延军等在内的30余位学术界、产业界、科研及行研机构专家学者与行业领袖围绕数据要素市场基础制度与技术、产业发展进行深度交流与探讨，并发布了多项产业及学术成果。
香港科技大学教授、智能网络与系统实验室主任、星云Clustar创始人陈凯受邀出席并作《可信联邦学习之算力挑战以及解决之道》的主题演讲。
数据只有在流通中才能发挥巨大价值。数据要素作为新型生产要素，在推动社会生产中起了关键作用。中央全面深化改革委员会第二十六次会议审议通过的《关于构建数据基础制度更好发挥数据要素作用的意见》，对数据确权、流通、安全、监管等作出重要战略部署，引领我国数据基础制度建设驶入快车道。
陈凯认为，数据要素流通是人工智能产业发展的必然要求，人工智能的高速发展极大地释放数据要素价值，数据量越大、数据质量越高，人工智能计算结果越精确。
然而，目前普遍存在的“数据孤岛”“信息茧房”等现象却在一定程度阻碍了人工智能产业的高速发展。同时，数据隐私安全问题、各类相关法律法规及政策促使人工智能在落地过程中面临挑战。
隐私计算技术可以在保护数据隐私安全的前提下，对数据进行分析和计算，为数据跨行业、跨机构的高效安全流通提供了有力保障，因此被认为是数据要素安全流通的“加速器”。在众多隐私计算技术中，可信联邦学习给数据要素流通提供了新的解题思路。
可信联邦学习可实现“数据不动模型动，数据可用不可见”，其包含横向联邦、纵向联邦、迁移联邦等，为构建符合法律法规、隐私保护条例的人工智能应用开辟新路径。
同时，陈凯也指出，虽然可信联邦学习提供了新思路，但其也面临极大算力挑战，这也是隐私计算行业未来需要着重解决的关键问题。以差分隐私和同态加密为例，差分隐私需在数据中加入噪声，在没有增加额外计算算力需求下，差分隐私效率高，但加入的噪声会存于整个生命周期，影响模型效果。同态加密是基于密码学加密来保护数据隐私，因此具有非常大的性能瓶颈。最新研究成果表明，相比明文计算，同态加密会慢一万倍。
效率问题若得不到有效解决，隐私计算大规模应用将无从谈起。对此，陈凯介绍香港科技大学智能网络与系统实验携手星云Clustar的创新成果。
在软件算法加速方面，提出了一种基于随机掩码的奇异值分解方案。该方案能够使加入的噪音在计算过程当中保护数据，在得出结果时被巧妙移除，不影响模型最终的效果，实现安全与效果并重。并且，其效率比同态加密提高 10000 倍，误差比差分隐私方案小 10 个数量级。“若使用同态加密的方式保护基因组关联分析需耗时2年，而当采用了SVD奇异值分解的算法以后，2分钟内便可得到结果，极大缩短了时间成本。”陈凯补充道。
在硬件算力加速方面，星云Clustar通过对联邦学习计算框架中的Paillier算法与相关密码学运算分析，总结归纳出12种密码学操作与2大核心算子引擎。根据应用需求，可通过FPGA算力加速卡中进行算力加速与动态拼装，实现端到端10倍性能提升。
在网络优化加速方面，陈凯表示，在实际应用中，同态加密会增加网络体量、数据交换体量，通过加密数据或从32位达到2048位。几十倍甚至上百倍的体量增幅加大了网络传输压力。为了解决该问题，可以从数据中心内部网络传输优化、数据中心之间跨管域网数据优化两方面着手来解决。
演讲最后，陈凯分享了高效联邦学习落地案例，包括基于星云Clustar异构算力的互联网银行落地案例，提升金融应用场景落地时效性；基于星云Clustar异构算力的政务人工智能算力中心应用落地等。
作为一家以算力为核心的隐私计算技术提供商，星云Clustar聚焦隐私计算算力提升，将发挥自身优势携手产业各方共同推动解决隐私计算算力难题，推动行业纵深发展。返回搜狐，查看更多
