湖北
在全球数字经济浪潮中,数据已成为驱动经济社会发展的关键要素,其经济价值与战略地位日益突出。然而,数据隐私与安全保护问题也日趋严峻,跨机构之间的数据协作仍面临诸多障碍,这在相当程度上限制了数据要素价值的全面释放。
在此背景下,国际组织IEEE(电气电子工程师学会)正式发布业界首个联邦学习与区块链相融合的技术标准——IEEE P3127《基于区块链的联邦机器学习架构框架》。该标准由同盾科技联合亚信科技、清华大学、中国电信、中国移动、北京邮电大学、之江实验室等十余家知名企业及高校共同制定。
IEEE P3127 国际标准封面
IEEE P3127标准为基于区块链的联邦学习提供了统一的架构指导,有助于提升多方联合建模过程中的安全性、可追溯性及隐私保护能力。该框架通过去中心化的设计,使数据所有者、生产者、消费者和协作者能够在安全可信的环境中进行多方安全计算。同时,基于区块链的联邦学习机制还具备身份认证、过程存证等功能,进一步增强协作的可信度和安全性,有助于推动数据资产共享,提升模型训练效率。
该标准为解决跨机构协作中存在的数据共享与模型优化问题提供了新的技术方案,有效应对“数据孤岛”和“信任缺失”等挑战,促进了人工智能与区块链技术的深度结合。其应用可广泛覆盖政务、金融、医疗、工业制造等多个领域,为各行业在数据驱动的发展道路上提供坚实的技术支撑,并推动AI技术在垂直行业中的标准化与规模化应用。
IEEE P3127 国际标准参编单位
作为该标准的核心编写单位之一,同时也是国内较早布局隐私计算领域的科技企业,同盾科技坚持自主创新与技术开源开放,其多项算法与软件系统已达到国际领先水平。在联邦学习技术基础上,同盾科技提出了国内首创、国际先进的“知识联邦”理论框架,旨在保障数据安全的前提下,实现知识的提炼与共享,充分释放数据要素的叠加效应与倍增价值。
针对数据割裂、数据孤岛等行业痛点,同盾还自主打造了一套标准化联邦协议——数据安全交换协议(Federated Learning EXchange,简称FLEX),并在2020年12月通过GitHub平台的“iBond-flex”项目面向全球开源。作为国内首个可以跨平台、跨框架,打破数据孤岛和系统孤岛的协议,FLEX协议能够实现不同框架、不同平台之间的互联互通,有效推动知识联邦生态从“单兵作战”向规模化协作演进,同时也为知识联邦生态提供了安全、高效、易用的可信基础设施。
同盾深谙规范化、标准化对于推动行业生态良性发展的重要意义。在标准制定过程中,同盾积极分享了其在隐私计算和联邦学习领域的技术理论与业务实践,旨在将自身经验融入标准框架,加快推动联邦学习技术在细分场景的落地应用。
截至目前,同盾已累计申请有效发明专利超450件,主导并参与了9项国际标准以及60余项国家、行业和团体标准的研制和修订工作,获得业界的高度认可和肯定。
展望未来,同盾科技将持续聚焦人工智能技术的创新与应用,积极参与行业标准制定与生态共建,并与产业链伙伴紧密协作,共同推进前沿技术发展,完善产业生态体系,为行业迈向更智能、更安全、更合规的高质量发展注入科技动能,让数据要素价值得到充分释放。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
