天津移动打造基于“联邦学习+区块链”的多方安全计算引擎系统-“珍珑”
|
Labs 导读 为了更好地解决行业合作、交互可信和数据共享问题，实现跨行业的模型共享训练以及生态构建，天津公司人工智能实验室打造了“珍珑”，一款基于“区块链+联邦学习”的多方数据共享模型训练引擎，用于智慧零售、风险评估和满意度预测等场景，实现多方隐私数据共享，构建数据生态，打破数据孤岛，挖掘数据联合价值，从而实现多方安全计算。 “珍珑”取名字珍珑棋局，来自于天龙八部小说情节，逍遥派掌门人无崖子摆出一个“珍珑”棋局，邀请天下英雄来破解。可是30年均无人解得，最后，棋局竟然被虚竹闭着眼睛胡乱撞开。珍珑，就是要汇聚各行业数据来产生价值，又能安全可信，最终一招点睛，全盘皆活。
这就是珍珑的价值，通过引入先进的联邦学习技术，充分发挥联邦学习的跨行业模型共享能力，并将AI模型上链，结合联盟链去中心化、开放、防篡改、匿名、可追溯的关键特性，打造构思奇巧又智慧共赢的共享智能引擎系统，在运营商、本地生活、视频内容、交通出行等多行业数据的支撑下，实现精确的营销识别，并推荐最佳产品权益，让区块链+联邦学习成为智慧零售的引擎、智脑。
1 珍珑的创新点 （1）打造联邦学习的模型共享训练引擎，实现更精准的推荐。 基于联邦学习模型实现中国移动和互联网合作伙伴间的共享、共贏 ，在保护各企业的数据安全的基础上，协调多方资源，实现企业间的联合建模，提升数据挖掘和推荐的准确率。联邦学习模型具有合理的激励机制，参与方提供的数据越多，其模型的学习效果越好。珍珑采用纵向联邦学习机制，取出合作方针对相同用户而特征不同的那部分数据进行共享训练。 （2）打破数据壁垒，实现多方安全计算的新机制 “珍珑”打破坚固的数据壁垒，其联邦学习模型可以很好的解决数据不可出数据库的壁垒问题，企业数据不需要出仓,不存在原始数据被复制，以及传输过程中的安全隐患，即可完成多方联合建模，取得比单独企业数据更好的预测效果，联邦学习框架，也支持获取更全面的客户特征，打造共享又可信的合作生态机制。
（3）结合区块链优势解决联邦学习的安全问题，筑牢多方合作的信任基础。 联邦学习模型涉及到多方数据的共享训练，由联邦中心负责秘钥管理和模型梯度管理，需要定期对联邦中心进行审计，存在信任的问题。“珍珑”采用区块链这种“可信媒介”技术解决共识和可信问题，所记录的交易不可篡改，模型的训练、推理、角色对齐均上链，通过智能合约、共识计算等实现多方合作的可信网络，且能在多方联邦情况下以区块代替中心节点的作用，降本增效。
2 珍珑的技术先进性 珍珑具有优异的技术价值，创新性的将联邦学习和区块链结合起来，解决运营商实际问题，其架构如图所示。 企业数据层，中国移动及合作伙伴的用户隐私数据依然只存储于各自内网系统中，训练及推理请求均由内网应用发起。 联邦参与方服务层，中国移动及合作伙伴分别构建一套本地AI模型，将模型特征及参数，以及数据标识，提供给区块服务层进行数据上链，并接收其他参与方的模型等数据进行数据共享的模型迭代更新。 区块服务层，作为AI模型与区块链CMBaas平台的中间服务节点，提供定制化数据上链及数据消费的服务。 共享数据区块平台层，即CMBaas，通过智能合约及共识机制为整个系统提供去中心化、不可逆、互信的模型共享训练平台。
珍珑的“联邦学习+区块链”应用，主要有数据对齐、模型训练、模型推理三个数据流： （1）数据对齐，在模型开始训练之前，各参与方需要共享加密后的用户id数据，同步给其他参与方进行id对齐。 （2）模型训练，联邦参与方进行数据特征提取和本地模型训练，模型参数通过区块链上链服务进行数据上链，经过CMBaas的智能合约判断，并通过区块链共识算法后，生成新的区块。其他参与方的区块消费服务检测发现新区块的生成，获取到区块数据后进行自己模型的参数迭代优化，更新参数，直到所有联邦参与方均达到模型预设收敛条件。 （3）模型推理，中国移动及合作伙伴发起模型推理请求，区块服务进行数据上链，智能合约及共识算法进行数据验证并生成区块，其他参与方监测新区块生成，判断推理请求是否与自身相关，进行共同推理解密，请求方获得最终模型推理结果，返回业务系统。 3 珍珑的商业推广价值 （1）“运营商+互联网公司”多方共享的智慧零售 智慧零售的目的，就是要用AI和大数据技术为客户带来个性化的营销服务。成功的营销方案必须合理搭配产品特征、客户购买能力和购买偏好等三大要素。互联网内容商拥有大量的产品信息、银行或保险公司有客户购买能力的数据，中国移动有用户的购买偏好信息。出于隐私保护是无法实现数据共享的，“珍珑”就可以打破这种坚固的数据壁垒，基于联邦学习模型，各个参与企业的数据停留在本地数据库，即可完成多方安全计算和联合建模，取得比单独企业数据进更好的分析效果，获取更全面的客户特征，推荐更精准，挖掘更多的商机。
（2）“运营商+银行”联合信用评估 （编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
