随着数字化进程的不断加深,数据正逐步成为企业的重要生产要素,但数据价值的释放需以安全可控为前提。在此背景下,座位中国领先的人工智能科技企业,同盾科技自主打造并开源了业内首个标准化联邦协议——数据安全交换协议。

联邦学习技术作为一种分布式机器学习技术,能够在数据“可用不可见”的基础上进行安全联合建模,帮助企业保障海量数据在传输、存储和使用过程中的安全性,避免数据被泄露或滥用。

然而,联邦学习技术的规模化应用又催生了新的技术分化。由于各机构开发采用了不同的联邦学习技术架构和应用体系,导致平台间存在协议不兼容、交互标准不统一等问题,形成了二次割裂的数据孤岛与系统孤岛。这种碎片化生态严重制约了跨平台协作效率,阻碍着数据要素价值的深度挖掘与流通。

作为国内最早布局隐私计算领域的高科技公司,同盾科技在联邦学习技术分支的基础上,率先提出国际领先的“知识联邦”理论体系,将大数据、密码学和人工智能等技术相融合,从而突破国际上初级联邦学习的技术局限,进一步抽象出知识推理与决策能力,形成一套多层次、统一的理论框架,面向下一代可信AI。

同盾FLEX协议是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,可以实现不同框架、不同平台之间的互联互通,通过安全的数据交换协议,以联邦的方式来利用数据和知识,促使“数据可用不可见、知识共创可共享”。

技术优势

秉承着“开源先行 生态共赢”的理念,同盾科技积极推动隐私计算技术的开源开放与互联互通,依托多年技术沉淀、自主研发、结合应用经验赋能的知识联邦体系框架,通过“iBond-flex”项目实现了业内首个联邦平台互联互通协议开源,为构建安全、可信、繁荣的隐私计算生态贡献同盾力量。

“iBond-flex”项目已开放20多项联邦基础算法、联邦应用算法以及联邦通信组件,有效降低联邦学习等隐私计算技术的应用门槛,有助于开发者和企业快速构建联邦学习应用,并发挥自身优势进行技术和应用创新,推动知识联邦生态从“单兵作战”向规模化协作演进,加速营造知识联邦良好创新生态。

具体而言,该开源项目能为知识联邦生态提供安全、高效、易用的可信基础设施:

在安全性方面,采用了秘密分享、同态加密、差分隐私等多种密码学技术,通过技术的融合应用来弥补单一技术的局限性,充分发挥技术互补的最大优势,成功实现匿踪联邦学习、TEE融合的可信联邦建模等高安全性隐私计算技术,全流程保障隐私数据和模型的安全性,能够更好满足不同业务场景的多元化安全需求;

在高效性方面,从算法过程、通信架构、软硬结合和系统框架多层级实现全面的联邦计算加速,自主研发轻量级高速联邦通信框架Ionic Bond,具有高网络并发性能,支持大数据传输;同时,实现隐私计算分布式计算加速,支持系统集群调度和分布式联合计算,全面提高计算效率,可满足大规模的数据共享和高频在线业务的稳定应用需求;

在易用性方面,为联邦应用开发提供多种应用协议和公共组件,将核心功能(FL、MPC、HE等)解耦拆分为独立模块,支持用户按需组合;提供用户友好的开发接口,隐匿底层复杂性,支持丰富的通信模式,方便开发者和企业快速构建知识联邦应用;此外,该项目还支持云原生架构,容器化部署,提供开箱即用的部署方案。

目前,同盾FLEX协议已广泛应用于金融、政务、医疗、互联网等多个领域,赢得了业界的高度认可和肯定,并凭借其安全、高效的技术优势和简单易用的部署模式,吸引了众多高校、研究机构、企业和开发者参与到联邦学习技术的安全验证与应用创新中来,有助于进一步完善可信数据流通基础设施,加快构建可持续的数据要素流通模式和良好生态。

数据作为新时代的“五大生产要素”之一,不仅是经济增长的新引擎,更是推动社会进步与国家竞争力提升的关键资源。同盾科技将致力于提供“高价值、易用性、前瞻性”的技术解决方案,满足各类复杂、异构的海量数据交换需求,实现数据流通价值,为全球企业提供安全合规、高效可控的数据共享交换通道,共建更加美好的开源生态。