阿里巴巴开源最新隐私保护计算技术

推出全面的联邦学习平台，助力相关领域的研究

中国杭州，2022年5月5日—阿里巴巴集团旗下全球科研机构—阿里巴巴达摩院，宣布将其最新联邦学习平台FederatedScope（具备易用软件包的综合性平台）的源代码向开源社区开放。

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模型越来越受关注，因为这一过程可能引发潜在的隐私问题。 为应对这样的挑战，联邦学习（一种隐私保护计算方式）应运而生。 通过跨不同终端设备协调微任务训练，将中间训练结果（不是原始用户数据）反馈到云端服务器，以降低隐私泄露风险。 然而，它仍然能够支持跨终端设备的数据分析与机器学习任务。

“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工业部署，例如通常涉及敏感用户数据且需要严格隐私保护实践的医疗保健和智能移动” 阿里巴巴达摩院研究科学家Bolin Ding表示。

此外，FederatedScope新落实的事件驱动框架使其具备了灵活性支持与全面的工具，包括丰富的基准数据集集合、知名的模型架构、先进的联邦学习算法、易用的自动调优功能以及友好的界面。 这些功能使得研究者和开发者能够在计算机视觉、自然语言处理、语音识别、图学习及推荐等领域，快速构建并定制面向特定任务的联邦学习应用。

特别是在隐私保护方面，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，以满足不同的隐私保护需求。

“我们认为，隐私保护计算是一个重要且必不可少的趋势，” Ding补充道。 “在不损害隐私的情况下训练AI模型至关重要，这就是我们投入大量资源来推动联邦学习研究的原因。 我们希望通过分享源代码和技术平台，支持社区中的全球开发者，并鼓励该新兴领域涌现更多创新。根据Gartner的数据，60%的大型组织预计将在2025年之前使用一种或多种隐私增强计算技术。

今年早些时候，阿里巴巴达摩院还公布了将塑造未来几年科技行业前沿趋势的预测，其中隐私保护计算位列十大趋势之一。 该预测指出，未来3年内，我们有望“见证隐私保护计算在性能与可解释性方面取得突破性进展”。如需详细了解阿里云的联邦学习平台和技术，请访问https://federatedscope.io/ 和GitHub页面: https://github.com/alibaba/FederatedScope

关于阿里巴巴达摩院

阿里巴巴达摩院成立于2017年10月11日，致力于通过科技研发和创新来探索未知。 达摩院背后的发展动力源于对推动人类进步的追求。