信也科技推出工业级图联邦技术FateGraph 加入全球首个联邦学习开源社区FATE
2023-05-23 19:33:55

近年来,隐私计算技术作为确保数据安全流动的有效途径,得到了高速发展,逐渐成为促进跨领域数据流动和应用的核心技术,广泛应用于金融、医疗保健、能源制造等领域。

经过在图联邦领域的长期探索,近日,信也科技成功加入全球首个联邦学习开源社区FATE,并以工业级隐私计算框架FATE为基础,针对金融反欺诈场景进行了深入研究,成功研发了图联邦技术FateGraph,解决了图数据在不同单位和机构之间的孤岛问题,从而扩展了隐私计算的应用范围。

image.png
信也科技旗下上海上湖信息技术有限公司被授予为FATE开源社区成员单位。受访者供图

加密联合建模 打通数据壁垒

随着数据的不断增长和应用场景的不断扩展,隐私保护问题成为一个全球性的关注点。联邦学习作为隐私计算的三个关键技术之一,通过加密联合建模打通了各个企业之间的数据壁垒,同时保护了数据的私有性质。

以FATE为例,现存联邦学习算法对于表格数据、图片、文本等结构化数据有着广泛的算法支持,而对于非结构化的图数据却较难实现工业级。在一些实验场景中发现,相对于单点GNN(图神经网络)的计算速度,FedGraph的用时较长,主要受限于通信、加密及存储。

在实际场景中,图模型常用于反欺诈、分子制药、社交网络、营销等。目前,信也科技研发的图联邦技术FateGraph已同步发布于FATE开源社区,为图数据的隐私保护提供了更加高效、可靠的解决方案。

图联邦技术工业化应用 有效保证隐私安全

信也科技FateGraph已成功集成到联邦学习算法功能组件FederatedML框架中,从而实现了图联邦技术的工业化应用。FateGraph能够最大程度复用该组件进行深度学习,且所有计算均在密文空间内进行,有效保证了隐私安全。

当前,图联邦作为一个相对较新的应用领域,在通信、加密等环节还存在很多限制。为进一步推广该技术,信也科技方面表示将努力加强研发创新,降低通信开销,联合其他FATE开源社区成员单位推出更多工业级的图联邦数据集,推动隐私计算技术的长足发展,为数据安全保驾护航。

(专题 | 撰文 梁海祥)