首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    肖风:未来三到五年内,一个去中心化的分布式AI平台或将出现

    在新智元AI WORLD 2018世界人工智能峰会上,中国万向控股有限公司副董事长兼执行董事肖风分享了他对AI、数据隐私保护和区块链的独到看法。 肖风认为,随着AI迎来第三次高潮,技术对数据愈发依赖,带来了人们对数据估值的重新发现。 区块链加上加密算法是一对绝配。互联网是“信息机器”,区块链是“事实机器”。区块链加上加密算法将会给AI带来一片新的天地,它们的结合将满足AI对数据的需求,数据隐私会得到保护,数据资产会得到确权,数据共享会得到激励,数据计算会得以开放,数据治理会得以有序。 未来三到五年内,一个去中心化的分布式AI平台或将出现。 以下是肖风在新智元AI WORLD 2018世界人工智能峰会上的演讲实录:《AI、数据隐私保护与区块链》。

    02

    实践中的联邦学习:落地应用案例讲解

    数据的资产属性赋予了数据巨大的价值,数据的使用有极其广阔的前景;而用户对隐私保护的要求又极大限制了数据的使用。 在这种两难的情景下,基于数据隐私保护技术实现的分布式训练范式——联邦学习——应运而生,受到学术界和工业界的广泛关注。 为了帮助读者们更好地将联邦学习进行落地应用,博文视点特地邀请到微众银行资深人工智能算法专家黄安埠老师为大家直播分享“实践中的联邦学习——落地应用案例讲解”,从实战的角度,讲述联邦学习部分已落地的应用案例,既可为工业实践者提供案例,又可引领初学者入门。 分享主题:实践中的联邦学习—

    03

    火热的隐私计算技术,是否能为SaaS服务智能升级提供新思路

    “未来,所有的计算都将是隐私计算。” ——“安全计算教母”宋晓冬 隐私计算对未来中国新兴科技产业发展到底有多重要?在回答这个问题之前,我们先来看看隐私计算在香港的落地案例。 香港科技园具有一个以隐私计算技术为核心的“AI验证平台”,现在已经成为多个香港政府机关和企业正在使用的公共SaaS服务。基于该平台可以在确保数据隐私安全受保护的前提下进行AI能力的验证。在一些招投标场景或是AI大赛中,想要遴选出更优秀的AI,通常的做法是要求各AI提供方描述算法原理,或者视频展示,而无法量化地验证各AI提供方技术上的优劣

    04

    [长文]全球舞台上的欧洲数据隐私规制

    编者按:美国司法部于5月19日起诉5名中国军人,指控他们通过网络窃取美国公司的商业机密,这是美国政府首次公开控告外国政府公务人员针对美国公司实施网络黑客犯罪。同日,中国外交部发言人秦刚就此事发表谈话称:“鉴于美方对通过对话合作解决网络安全问题缺乏诚意,中方决定中止中美网络工作组活动”。这一事件凸显了数据隐私规制的重大意义。本期发表的“全球舞台上的欧洲数据隐私规制:政策出口还是实验主义?”一文,探究了在错综发杂的强权政治背景下推进实验主义合作治理的五个机制,对于中国相关领域的政策治理颇有启发。 导言: 从

    05

    资本涌入、大厂下场、企业内卷: “隐私计算”风口背后追逐的是什么?|GAIR 2021

    隐私计算这一新兴的技术赛道,正吸引不少企业的大力布局。 作者 | 李扬霞 编辑 | 王亚峰 自疫情以来,全球数字经济迎来爆发式增长机遇。数字经济成为促进中国经济发展的关键力量,数据也成为我国第五大生产要素。 在大力推进数字经济建设的背景下,我们究竟该如何平衡隐私安全监管和数据产业发展之间的关系?在这个问题上,隐私计算正被政策界、产业界、投资界寄予厚望。 实际上,已经有不少互联网平台因数据安全和隐私泄露问题频频上话题热搜。各国政府对隐私和数据安全问题越来越重视。 在经历了2019年技术普及和市场教育、202

    02

    数据20条专家解读|杨强:数据跨境可信流通政策解读

    题图摄于香港 (转发FATE开源社区的文章) 为了加快数据跨境可信流通体系建设步伐,进一步强化数据跨境流通法律规范,中共中央 国务院近日正式印发《关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称《数据20条》),这些政策建议符合中国国情并具备极高可行性。加拿大工程院及加拿大皇家科学院两院院士、香港科技大学讲席教授杨强对其中数据跨境可信流通政策进行了相关解读,详情请看下文: 文章来源:高技术司 全球快速迈入数字经济时代,数据成为驱动各国经济发展的关键生产要素,经济价值与战略价值愈发凸显,数据跨境流通

    02

    「图学习隐私与安全」最新2023研究综述

    虽然海量的现实需求为人工智能提供了广阔的应用场景,但要求人工智能系统适应复杂的计算环境.然 而,传统人工智能算法的研究都假设其应用环境是安全可控的.大量研究和实践工作表明当前的人工智能技术普 遍对外在风险考虑不足,相关数据和模型算法存在隐私与安全风险.由于人工智能安全的现实需求以及图学习的 巨大影响,图学习的隐私与安全问题成为当前图学习领域面临的重要挑战.为此,研究人员近年来从图学习系统的 各个环节出发对图学习隐私与安全问题进行了研究,提出了相关的攻击和防御方法.本综述首先阐述研究图学习 隐私与安全的重要意义,然后介绍图学习系统的基本过程、图学习面临的主要隐私与安全威胁以及图学习的隐私 与安全特性;在上述基础上,分别从图数据隐私、图数据安全、图模型隐私和图模型安全四个方面对现有研究工作 进行系统的归纳总结,讨论主要成果和不足;最后,介绍相关的开放资源,并从数据特征、解释性、研究体系和实际 应用等方面探讨面临的挑战和未来的研究方向.

    04

    Hyperledger Fabric区块链数据隐私保护

    区块链账本是由一个个区块构成,后一个区块包含了前一个区块的Hash,多个参与方通过共识保证各个参与方的数据一致。区块之间的链式结构和多份的数据冗余很大程度上保证了数据的透明性和不可篡改性。在联盟链中,结合区块链上数据的透明性和不可篡改性,确保链上数据可信,利用可信数据,减少中间流程,降低风险,从而加速整个业务流程的运转。区块链上数据透明性是一把双刃剑,透明保证可信,但是在很多商业场景中,数据具有隐私的特性。如何在透明性和隐私性之间平衡,是区块链需要解决的一大问题。链上的数据隐私可以从两个层面考虑,一个是账本数据传播范围,一个是业务数据上链方式。

    01
    领券