密码学与隐私计算在人工智能行业中的实践

• 作者: 史俊杰 谢翔
• 来源期刊: 人工智能
• 学科: 工学
• 关键词: 隐私计算 数据安全 隐私保护机器学习系统
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 前沿思考
• 页码范围: 54-61
• 页数: 8页
• 分类号: TP18|F83
• 语种: 中文
• DOI: 10.16453/j.cnki.ISSN2096-5036.2020.06.006

摘要

AI的发展离不开高质量的数据源,而数据所代表的内容与个人隐私、安全息息相关,随着数据泄露事件的频发,数据安全正得到了越来越多的关注.如何兼顾数据的流动、分享与个人隐私的保护?如何令不同数据拥有方以安全有效的技术手段共同训练使用AI模型?近年来,以密码学为代表的隐私计算技术为这些问题提供了可能的解决方案.本文首先介绍这一问题的背景和主要特点;然后结合开源隐私计算框架Rosetta,介绍在金融、人脸识别等场景中,如何赋能AI系统以隐私保护的能力;最后简述该领域的未来发展趋势.