阿里巴巴开源最新隐私保护计算技术

推出综合性联邦学习平台，促进相关研究

中国杭州，2022年5月5日 – 阿里巴巴集团的全球研究项目阿里巴巴达摩学院宣布，其最新的联邦学习平台FederatedScope的源代码已推出，这是一个包含易于使用的软件包的综合平台，可供开源社区访问。

随着机器学习在数字时代的兴起，收集训练数据以构建和推进AI模型越来越受到关注，因为该过程可能会带来潜在的隐私问题。为了应对这些挑战，联邦学习（一种保护隐私的计算方式）已经出现。通过协调不同终端设备之间的微任务训练，中间训练结果（而不是原始用户数据）被反馈到云服务器，以减轻隐私问题。然而，它仍然支持跨终端设备的数据分析和机器学习任务。

阿里巴巴达摩学院研究科学家丁博林表示：“通过与开源社区分享我们自主开发的联邦学习技术，我们希望促进隐私保护计算在不同领域的研究和产业部署，例如医疗保健和智能移动，这些领域通常涉及敏感的用户数据，需要严格的隐私保护实践。

此外，通过新实现的事件驱动框架，FederatedScope提供了灵活的支持和全面的工具，包括丰富的基准数据集集合，众所周知的模型架构，先进的联合学习算法，易于使用的自动调整功能和友好的界面。这些使研究人员和开发人员能够在计算机视觉、自然语言处理、语音识别、图形学习和推荐等领域快速构建和自定义特定于任务的联邦学习应用程序。

特别是对于隐私保护，该平台还提供了包括差分隐私和多方计算在内的尖端技术，以满足隐私保护的不同要求。

“我们相信隐私保护计算是一个重要而必要的趋势，”丁补充说。“在不损害隐私的情况下训练AI模型至关重要，这就是为什么我们投入大量资源来推动联邦学习的研究。我们希望通过分享我们的源代码和技术平台，支持社区中的全球开发人员，并鼓励在这个新兴领域进行更多创新。

据Gartner称，到2025年，预计60%的大型组织将使用一种或多种增强隐私的计算技术。

今年早些时候，阿里巴巴达摩学院还透露了其对未来几年将塑造科技行业的主要趋势的预测，隐私保护计算是十大趋势之一。根据预测，在未来3年内，我们预计“见证隐私保护计算的性能和可解释性的突破性改进”。