MIT提出一種可以保護基于云的AI系統(tǒng)

據(jù)外媒報道，美國MIT（麻省理工學院）提出一種可以保護基于云的AI系統(tǒng)，可以在不降低速度的情況下保護云計算的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，特別是當人們使用像照片或醫(yī)療記錄這樣的敏感數(shù)據(jù)時。

迄今為止，使用傳統(tǒng)方法，使得加密數(shù)據(jù)可以使機器學習系統(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，這項技術使用加密卷積神經網絡且不會出現(xiàn)急劇減速。更關鍵的是將兩種現(xiàn)有技術融為一體，避免了這些方法產生的常見瓶頸。

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話的每一方發(fā)送兩個不同的輸入，為用戶和神經網絡隱藏數(shù)據(jù)，同時使相關輸出可訪問。然而，如果該方法被用于整個系統(tǒng)，則通常過于密集，因此MIT在發(fā)送給用戶之前，使用更高要求的計算層的同態(tài)加密（它既取又產加密數(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工作量。

測試結果表明，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絡帶寬縮減一個數(shù)量級。傳統(tǒng)方法迫使公司和機構要么建立昂貴的本地神經網絡，要么完全忽略基于AI人工智能的系統(tǒng)。而MIT提出的云AI方法將會導致更多使用基于互聯(lián)網的神經網絡來處理重要信息。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，又保持時效性。