Читать Анализ данных искусственного интеллекта. Конфиденциальные вычисления для федеративного обучения - Владимир Михайлец

В этом документе представлен общий обзор конфиденциальных вычислений, включая то, как вы можете использовать их для безопасного взаимодействия с данными, обучения моделей ИИ и федеративного обучения. В документе также представлена информация о службах конфиденциальных вычислений в Google Cloud и ссылки на архитектуру для различных вариантов использования.

Цель этого документа – помочь руководителям технологических компаний понять бизнес-потенциал конфиденциальных вычислений с использованием генеративного и прикладного ИИ в различных отраслях, включая финансовые услуги и здравоохранение.

Практики обеспечения безопасности данных традиционно сосредоточены на защите данных в состоянии покоя и при передаче с помощью шифрования. Конфиденциальные вычисления добавляют новый уровень защиты, устраняя уязвимость данных во время их активного использования. Эта технология гарантирует, что конфиденциальная информация останется конфиденциальной даже во время ее обработки, тем самым помогая закрыть критический пробел в безопасности данных.

Конфиденциальная вычислительная среда реализует защиту данных, используемых с помощью аппаратной доверенной среды выполнения – это защищенная область внутри процессора, которая защищает конфиденциальность и целостность кода и данных, загруженных в него. Он действует как безопасная комната для конфиденциальных операций, что снижает риск для данных, даже если система скомпрометирована. При конфиденциальных вычислениях данные могут храниться в зашифрованном виде в памяти во время обработки.

Например, вы можете использовать конфиденциальные вычисления для анализа данных и машинного обучения, чтобы достичь следующих целей:

– Повышенная конфиденциальность: выполняйте анализ конфиденциальных наборов данных (например, медицинских записей или финансовых данных), не раскрывая данные базовой инфраструктуре или сторонам, участвующим в вычислениях.

– Безопасное сотрудничество: совместно обучайте модели машинного обучения или выполняйте аналитику на объединенных наборах данных нескольких сторон, не раскрывая отдельные данные друг другу. Конфиденциальные вычисления способствуют доверию и позволяют разрабатывать более надежные и обобщаемые модели, особенно в таких секторах, как здравоохранение и финансы.