用户隐私与推荐精度兼得，星云Clustar“联邦安全矩阵分解”论文被国际权威期刊收录
近日，星云Clustar主导的论文“联邦安全矩阵分解框架(SecureFederatedMatrixFactorization)”正式被《IEEEIntelligentSystems》期刊收录。在论文中，星云Clustar算法工程师柴迪、星云ClustarAI科学家王乐业等人基于联邦学习环境提出一个名为FedMF的安全矩阵分解框架，在不牺牲任何准确度的前提下，保护用户的隐私信息。该论文首次从数学上验证了矩阵分解在横向联邦学习中交换梯度明文信息会造成隐私泄露，并提出了使用同态加密对梯度信息进行保护的解决方案。
IEEE(电气和电子工程师协会)是世界最大的非营利性专业技术学会，据IEEE官方2019年统计数据显示，其会员人数超过40万人，遍布160多个国家。IEEE致力于电气、电子、计算机工程和与科学有关的领域的开发和研究，在航空航天、信息技术、电力及消费性电子产品等领域拥有近1300余个正在开发的行业标准及项目，现已发展成为具有较大影响力的国际学术组织。IEEEIntelligentSystems是其出版的极具含金量的学术期刊之一，关注包括自然语言处理、机器学习、数据挖掘、自适应和智能机器人技术、以及与智能系统相关领域的研究进展。
大数据红利已经渗透到各行各业，而光鲜的数据繁荣背后却是隐私泄露和安全管理的重重隐患，提升对数据隐私与安全的保护力度已成为世界性的议题。近年来，新兴的人工智能基础技术——联邦学习(FederatedLearning)应势而生，作为一种加密的机器学习范式，联邦学习能够在满足数据隐私、安全以及政府监管的前提下，使得各参与方的数据得以保留在本地，并在安全可信的数据保护措施下打破数据孤岛难题，让企业数据无论在内外部均能安全有序地交互和聚合，实现共同获益的“数据联邦”。
目前在隐私保护机器学习领域，推荐系统是一个广受关注的研究课题，而矩阵分解是常见的技术手段。星云Clustar团队在论文中证明，在传统的矩阵分解推荐系统中，当用户将梯度信息以明文形式发送到服务器，仍有泄露用户的评分信息、特征向量等信息的可能性，进而暴露用户的年龄、性别、地址等等隐私数据，造成难以预估的严重风险。为此，星云Clustar团队设计了一个用户级的分布式矩阵分解框架FedMF，采用同态加密来增强该分布式矩阵分解框架，并用一个真实的电影分级数据集对其进行了测试，结果验证了FedMF对于一个诚实但好奇的服务器是安全可靠的，并且精度相对于用户原始数据的矩阵分解并无二致。
FedMF的创新性见解已落地于FATE。FATE(FederatedAITechnologyEnabler)是微众银行推出的全球首个工业级别的开源联邦学习框架，旨在推进安全合规的AI协作生态建设。星云Clustar合作设计了基于FATE的联邦推荐算法库(FedRec)，使得联邦学习在推荐系统中的应用更加明确化。这一算法库包含了6种常用的推荐算法，包括5种纵向联邦学习算法和1种横向联邦学习算法，可用于解决联邦学习场景下的推荐问题，如评分预测、物品排序等。FedRec广泛支持各种推荐场景，对于开放者而言，可以显著提高产品分发效率和算法预测效果，优化用户体验，还可解决数据不足和标签短缺等问题。
星云Clustar近年来在联邦学习领域不断创新求索，赋能AI数据协作生态。在技术普及与规范上，星云Clustar携手微众银行、创新工场、腾讯云、小米、华为、华大基因等三十余家海内外知名企业与研究机构共同推进IEEE联邦学习国际标准，其中星云Clustar荣获IEEE联邦学习工作组秘书长单位，负责制定联邦学习的底层系统架构标准并积极进行联邦学习生态推广。在产品形态上，星云Clustar提供从硬件到软件的全生命周期解决方案，实现同态加密环境下的无损运算，能以高效计算、超低延时的算力加速联邦学习场景中海量密态数据处理过程。
近年来，联邦学习技术以破竹之势备受行业瞩目，为有效解决数据孤岛分布现象、以及满足日益加强的隐私监管力度提供了新的技术思路。作为联邦学习赛道的积极探索者，星云Clustar未来将继续以高性能网络和联邦学习技术助力人工智能产业发展与技术突破，深掘联邦学习落地场景的可能性，推进联邦学习带来的技术红利落实于各行各业，使企业与机构的多方安全协作更具可得性。
论文作者介绍
“联邦安全矩阵分解框架(SecureFederatedMatrixFactorization)”论文第一作者是星云Clustar算法工程师柴迪，星云ClustarAI科学家、北京大学助理教授、博士生导师王乐业(按姓名字母排序);第二作者为星云Clustar创始人、香港科技大学教授陈凯;第三作者为微众银行首席人工智能官、香港科技大学教授杨强。
此前，此论文也发表在IJCAI2019FederatedMachineLearningWorkshop，IJCAI国际人工智能联合会议是全球人工智能领域最权威的学术会议之一。
相关文章
-
华为的反击：年内两度起诉美国政府机构
作者：彭海斌2019年12月5日，华为在全球总部深圳坂田基地宣布，将对美国联邦通信委员会发起诉讼，因该机构此前发布的一项禁令“违反了立法的正当程序原则，也涉嫌违法”。,美国联邦通信委员是一家相对独立的政府机构，直接归属美国国会领导。,华为曾在今年年初对美国政府机构提出一次法律诉讼，起因是美国新财年的国防授权法案。
2024-03-22 09:11 -
亚马逊将禁止第三方卖家使用联邦快递地面送货服务
亚马逊补充称，该公司将暂停这项服务，以确保联邦快递能够管理圣诞节前的送货截止时间，让客户可以按时收到包裹。,当时联邦快递发言人表示，此举是因为该公司将“专注于更加广泛的电商市场”。,今年5月，公司CEO杰夫·贝索斯(JeffBezos)在肯塔基州斥资15亿美元的最新航空枢纽破土动工，计划于2021年开始运作。
2024-03-22 09:06 -
从物流到云计算 亚马逊在竞争中始终保持强硬姿态
新浪科技讯北京时间12月18日早间消息，在浏览器内输入Relentless.com网址，然后点击，知道它会指向哪里吗?亚马逊。,多年来，贝佐斯一直推崇“Relentless”(有残酷无情之意)战略，将线上书店变成电商巨头、云计算领袖。,”一直以来，亚马逊不断巩固自有配送网络，降低对第三方(比如联邦快递、UPS、美国邮政服务)的依赖。
2024-03-22 09:05 -
工会联盟敦促联邦贸易委员会调查亚马逊反竞争行为
新浪科技讯北京时间2月28日上午消息，据外媒，美国一些大型工会联盟已正式向联邦贸易委员会(FederalTradeCommission)请愿，要求调查亚马逊的反竞争行为。,这家公司需要尽快接受调查，最好是经由权威且专业的联邦贸易委员会开展调查。,与其他大型科技竞争对手不同，亚马逊目前还没有受到有关反垄断或反竞争行为的具体调查，不过从去年开始，调查人员就围绕着亚马逊与苹果的品牌门控交易以及其他潜在违
2024-03-22 08:38 -
Twitter涉嫌滥用数据被FTC调查：或面临2.5亿美元罚款
根据该协议，Twitter同意采取措施，更好地保护用户的个人数据。,Twitter在2019年证实，它正在使用这些电话号码，向用户投放广告。,当时，Twitter表示，这些数字是“无意中”使用的，并补充说，它不知道有多少用户受到了影响。
2024-03-22 07:20 -
腾讯医疗健康携手微众银行成立联合实验室 联邦学习破解隐私难题
目前微众银行已经在金融、医疗等行业领域落地应用新的技术。,特别地，在疫情期间由于患者数据需要绝对隐私使得许多AI技术无法得以施展，医疗联邦学习框架有望成为解决该问题的一剂“良方”。,早在去年，腾讯天衍实验室和微众银行在医疗大数据、医学影像辅助诊断等领域便展开了合作，通过AI技术赋能的成果转化切实提高医务工作者的效率。
2024-03-22 07:00 -
腾讯医疗健康携手微众银行成立联合实验室
联合实验室成立后，双方将继续汇聚优势及资源，集中在医疗影像辅助诊断、医疗大数据、医疗机器学习模型等多个方面展开深度合作，双方将研究在保护多方（如医院、企业等）数据的情况下的协作学习，从而打破数据孤岛的限制。,早在去年，腾讯天衍实验室和微众银行在医疗大数据、医学影像辅助诊断等领域便展开了合作，通过AI技术赋能的成果转化切实提高医务工作者的效率。,联合实验室研究员赵瑞辉和鞠策联合研发了基于医疗联邦学习
2024-03-22 07:00 -
Facebook扎克伯格将于本周在美FTC作证词 应对反垄断调查
在会上，扎克伯格为上述事项进行了辩护，并称Facebook的众多产品都面临着许多竞争。,联邦贸易委员会主席乔·西蒙斯(JoeSimons)8月5日对一个参议院小组说：“有时候，罢免一家公司的首席执行官很重要，但有时也没有必要。,布卢门塔尔还补充说：“在我看来，只有当你真的罢免了一些公司高管后，公众才会满意。
2024-03-22 06:59 -
特斯拉英特尔等呼吁美国联邦贸易委员会再诉高通垄断
记者崔珠珠综合报道当地时间8月25日，据路透社报道，在针对高通专利垄断的案件中败诉后，包括特斯拉、福特汽车、本田汽车、戴姆勒、英特尔、联发科在内的车企和科技公司，联手呼吁美国联邦贸易委员会(FTC)寻求上诉。2017年1月，美国联邦贸易委员会对高通提起诉讼，指控高通使用反竞争的手段来保证半导体设备供应在手机和其他产品中的垄断地位。高通在出售芯片之前，会要求客户签署专利许可协议。2019年5月，美国
2024-03-21 22:16