日前,全球科技盛会BEYOND国际科技创新博览会在中国澳门举行,全球知名科学家、企业家、行业领袖和政府领导等重量级嘉宾汇聚一堂,锘崴科技应邀参加此次活动。
开幕式上,中国科协分管日常工作副主席、书记处第一书记、中国工程院张玉卓院士,以及中华医学会会长、中国科学院院士、北京协和医院名誉院长赵玉沛院士分别发表致辞。
张玉卓院士表示,要厚植创新沃土,激发人才活力,拓展开放合作,促进科技经济深度融合,建设理念相通、人才畅通、设施联通的科技创新共同体,让科技为经济多元化发展扬帆助力。
作为隐私计算领域的领军人物锘崴科技创始人王爽应邀出席此次活动的人工智能创新分论坛,发表了题目为《隐私保护计算赋能数据要素可信流动》的主题演讲、并参与「人工智能创新之路」圆桌讨论。
演讲中,王爽表示,随着数据资源的“生产要素化”,全球都在进一步完善有关数据流通的法律法规。我国《数据安全法》和《个人信息保护法》的先后正式实施也意味着我国进入了数据的强监管时代。同时,这两部法律也与《民法典》《网络安全法》《电子商务法》《消费者权益保护法》等共同编织成一张消费者个人信息“保护网”。
与此同时,数据要素化的过程中也遇到了不少难点和挑战。首先,明文数据一旦可见就可被无限复制,继而暴露数据信息和隐私。数据源将失去对这些被泄露或复制的数据的控制,导致数据被乱用、滥用。因此,我国出台了《数安法》和《个保法》,严格限制数据的不安全共享、流动。其次,当明文数据被滥用,就会市场的供需关系,导致数据价值无法定价,无法形成大规模的市场流通。传统的多中心合作模式,包括数据脱敏、匿名和沙箱模式都无法解决数据要素市场化过程中存在的诸多问题和挑战。
为解决这些痛点,产生了以联邦学习、多方安全计算(MPC)、可信计算环境为主的隐私保护计算技术。隐私保护计算通过密码学和软硬件技术,在保证用户隐私及数据安全、符合法律法规要求的前提下,打破数据孤岛,连接多数据源数据,构建跨机构、跨领域数据网,帮助实现多方协同数据分析、学习建模等。相比于传统的多中心合作模式或隐私保护手段,隐私保护计算既能实现计算结果精度可保证、数据使用过程可追溯,又能在此基础上增加样本量、丰富数据维度。因此大幅释放数据价值、提升数据资源使用效率、促进数据要素化市场发展。
值得注意的是,任何系统都没有绝对的安全,安全是建立在相关场景假设的前提下。每项技术的适用范围、保护范围、安全保护程度、性能都不同。企业需要同时充分了解各项技术和不同应用场景的需求,才能充分发挥隐私保护计算技术的作用。
商业隐私保护隐私计算技术是在满足特定数据应用场景需求的前提下,尽可能做到好用。相比起传统“开源框架 业务定制”的模式,“商业隐私保护计算平台 行业应用”的模式更具普适性,能适应更多的应用场景,支持多种复杂算法、复杂数据和高精度计算,还能支持大规模(100 或更多节点)、多类型数据计算。
王爽还介绍了一个依托锘崴的隐私保护计算技术实现的全国性基因组关联分析研究,该研究是利用联邦学习 (Federated Learning),在带有隐私保护的情况下,进行的全国性、跨省级多中心强直性脊柱炎 (AS) 全基因组关联分析 (GWAS)。在过程中,研究团队基于安全联邦学习技术开发了一个多中心GWAS分布式技术框架,iPRIVATES。通过应用该框架,实现了全国性跨多家医院、机构的AS基因组数据共享。超大的样本量使得该研究结果的可靠性、准确度等大幅提升。同时,该研究结果表明,相比于传统的中心化计算,这一分布式框架显著提升了计算效率,并且其研究结果和中心化计算无异。这意味着,类似的安全联邦学习技术框架在实际应用中具有高度可行性,也为未来的进一步研究指明了方向。该研究还纳入了上海市科技进步一等奖。