星云Clustar主持联邦学习工作组投票，正式标准预年中出台

近日,IEEE P3652.1(联邦学习基础架构与应用)标准工作组第五次(线上)会议顺利召开。此次会议结束后,标准工作组宣布:联邦学习IEEE标准草案已完成并通过标准工作组表决。星云Clustar 作为标准工作组重要成员之一,参与了草案撰写及投票环节。目前,该草案已提交IEEE标准协会(Standard Association, SA)审核,按照流程,正式标准预计将于今年年中出台。

星云Clustar 主持联邦学习工作组投票,推动标准草案制定顺利进行

联邦学习(Federated Learning)是人工智能领域破解“数据孤岛”和“数据隐私与保护”两大难题的关键性、先导性技术。作为加密的分布式机器学习范式,联邦学习可以使得各方在不披露原始数据的情况下达到AI协作建模的目的,同时防止数据泄露并严格遵守数据隐私法规,让数据可用而不可见,为应对AI落地的困境提供了更多可能性。

2018年12月,由微众银行发起的关于联邦学习架构和应用规范的标准P3652.1(Guide for Architectural Framework and Application of Federated Machine Learning)立项获批,这是国际上首个针对人工智能协同技术框架订立标准的项目,其目的是为联邦学习落地应用提供技术规范,为社会各界共建联邦生态奠定合作依据。工作组主席由微众银行首席人工智能官杨强教授担任。自项目成立至今一年多的时间里,标准工作组先后吸纳了星云Clustar、创新工场、京东、中国电信,腾讯云、华为、第四范式、英特尔、VMWare、CETC BigData等三十余家海内外头部企业与研究机构共同参与,共召集了五次标准工作组会议对标准制定进行讨论及审定。星云Clustar 在此联邦学习项目中负责底层架构标准的制定,并持续密切关注着多方数据协作以及数据隐私与安全的保护,为此星云Clustar 推出PAI深度安全处理器等产品,切实为数据隐私得到更好保障贡献力量。

此次通过的标准草案对联邦学习的定义、概念、分类、算法框架规范、使用模式和使用规范等方面都进行了系统性的阐述,尤其是标准工作组成员凭借在各自领域丰富的技术、研发、服务、运营经验,对联邦学习在To B(企业端)、To C(用户端)以及To G(政府端)不同情境下的场景分类, 建立了联邦学习的需求分析模板,厘定了联邦学习性能及安全测评准则,并将联邦学习的激励机制设计理论应用于各种实际场景中。标准工作组成员一致高度评价该标准的制定是“引领行业进步的重要指南”。

标准化工作是技术能够实现健康有序发展的重要依据与支撑。联邦学习架构和应用规范正式标准将作为在技术实际落地过程中的“通用语言”,指导多方企业共建生态联邦。自加入联邦学习标准工作组以来,星云Clustar 一直秉持着竭力保护AI数据的理念,致力于将领先的同态加密技术应用于AI多方协作建模的场景中。联邦学习中需要对海量数据进行同态加密以及密态计算,而软件方案难以满足需求,基于星云Clustar PAI深度安全处理器打造的联邦学习加速卡,能充分发挥硬件算力,最大化加速数据加密以及数据密态计算过程,让数据在加密状态下进行AI模型训练与推理,解决数据安全和用户隐私的合规挑战。

事实上,国内首个联邦学习团体标准(AIOSS)已于2019年6月发布,这意味着不仅联邦学习国际标准取得了突破性进展,联邦学习进入国家标准的进度也在不断加快。星云Clustar 正在与微众银行等标准组成员一起积极推动将联邦学习纳入国家标准,以期为联邦学习的红利落实到各个行业,完成联邦行业生态的探索,搭建起数据互信、科技向善的桥梁。