网站后台中表格制作,官方网站建设方法,外贸展示型模板网站模板下载,中山软件开发项目管理数智化时代#xff0c;数据已成为最核心、最具价值的生产要素。其中#xff0c;如何应用可落地的技术#xff0c;共享和保护数据#xff0c;促进数据要素进一步流通#xff0c;释放数据价值#xff0c;受到业内普遍关注。
隐私计算#xff0c;被业内誉为打破“数据隐私…数智化时代数据已成为最核心、最具价值的生产要素。其中如何应用可落地的技术共享和保护数据促进数据要素进一步流通释放数据价值受到业内普遍关注。
隐私计算被业内誉为打破“数据隐私安全与共享矛盾的唯一技术解”是大数据、人工智能及产业创新驱动不可或缺的关键技术环节。随着数据与计算进一步融合数字产业化加速推进。如何运用隐私计算实现数据“可用不可见”形成业内亮眼、标杆性的应用案例成为多领域客户的共性需求。
这个答案或许是翼方健数。公开信息显示翼方健数致力于打造“数据和计算互联网IoDC”以多方安全计算、区块链等技术为核心从安全、可信等技术要求出发正帮助行业各方实现数据可用不可见保障信息安全挖掘数据的价值。 着眼实际务实有效的数据平台究竟是怎样的行业有哪些亟需解决的难题在11月10日的Data X大会暨翼方健数战略发布会上翼方健数首席科学家张霖涛归纳行业的三个痛点
首先优秀的数据平台必须要做到能汇聚不同源头数据还要在数据不可见的情况下挖掘数据价值。平台需要解决的首要问题如何保护数据隐私和安全
其次在IoDC场景下资源分布在广泛的网络中如何利用技术支持应用的数据需求
最后数据资产分配产生的价值如何有效分配如何确保贡献者的长期权益 从这些难题出发张霖涛推导出优秀的数据平台应该具备的三大核心能力
数据全生命周期管理搭建从数据清洗、数据管理、数据标注、数据价值抽取数据价值分配、数据交易等等的一系列工具和应用。数据真正能用、可用和好用。
坚实的隐私安全计算技术体系围绕XDP平台的隐私安全计算能力从单体平台到联邦平台再到IoDC从沙箱到TEE到MPC和联邦学习在隐私安全计算赛道建立最有竞争力的全栈解决方案。
AI驱动且可差异化应用AI为核心大数据驱动。在垂直行业利用数据和AI能力为行业客户获取最大化价值。
瞄准客户成功的目标围绕“用隐私安全计算技术解锁数据价值“张霖涛详细介绍翼方健数提出的路径——全栈技术解决方案才能为数据平台的构建带来新启发并为迈向数据和计算互联网打下坚实基础。
隐私安全计算平台是核心底座
平台为用架构先行。为打造适合IoDC时代的全栈技术平台翼方健数先推导出的是核心的XDP隐私安全计算平台架构。 XDP平台架构主要由四部分组成
底层的XDP文件系统XFSXDP File System用以存储数据保证数据安全。中间层是执行引擎XEE。临近应用的一层支持各种计算环境包括安全沙箱、可信执行环境、安全计算引擎和联邦学框架。最顶层用来支持客户的需求部署各种应用。 张霖涛指出底层部件XFS最为重要。如同物流仓它决定了”数据究竟存在何处结构是否清晰能否支持快速调用“。
XFS专为IoDC打造是一个分布式文件系统。XFS主要提供四大能力首先是提供高规格安全保护基于密钥管理系统对数据实现强隔离、多层次的加密、细颗粒度的访问控制及可编程的生命周期管理保证数据遵循“最小使用原则”
其次XFS具备全方位的计算支持可以满足大数据和机器学习的多种需求
此外XFS具有卓越性能和跨平台能力可兼容NVMeRDMA等高性能存储技术全面管理IoDC数据存储资源
最后是有经济高效的使用方式XFS支持如块存储、对象存储等可实现数据平滑迁移。
有这样可靠的文件系统客户可以放心汇聚、存储数据。上层的XDP DaaS EngineXDaaS 的应用才可进一步对数据进行发现与整合。
XDaaS提供可扩展的主数据实现多数据源间的有效融合。XDaaS同时提供高效的数据探查能力最后实现cell级别的来源追踪。在使用过程中XDaaS还能对敏感数据加以保护。
数据到位后按需调动资源执行引擎XEEXEEXDP Execution Engine开始进行运算。 XEE可使用多种底层计算基础设施支持云和私有化部署对硬件环境要求不高提供多种计算模式包括批量处理流式计算等。此外XEE支持基于浏览器的多种交互模式。因此XEE可做到统筹管理IoDC中的全网络计算资源。
如何保障计算的安全性和可扩展性PCT层运用了多种技术、环境与框架。
不同于传统沙箱计算环境翼数安全沙箱XDP Secure Sandbox满足单体平台上“软件可信用户不可信”的安全假设。系统管理员在安全信任体系之外能充分防范平台运维的违规操作。它为单体平台提供“零信任”的本地计算环境。
在有可信硬件情况下翼方健数通过可信执行环境XTEE为客户提供安全、高效、通用的端到端可信执行环境并运用硬件完成对软件的验证。简而言之XTEE可以加快远程证明、提供TEE运行时加密文件系统的支持。
对于上层的联邦学习技术能力一方面翼方健数还打造了一套联邦学习框架XFL其从底层实际情况出发。具有丰富的自定义接口兼具高安全性和高扩展性的特征。XFL支持海量插件覆盖主流算法。数据不出域也能在支持主流环境下进行安全联合建模。 除前期产品技术能力实现之外翼方健数仍实时响应客户诉求持续迭代产品功能。 由于在客户需求调研中发现很多应用场景同步对机器学习和通用计算都有需求。为此翼方健数开发密文计算框架XSC。 XSC框架具有高完备性、灵活部署和集成开放的跨平台特性。XSC支持高效完备的算法库可以部署各种硬件支持集成其他的开源隐私计算框架。张霖涛还透露联邦学习框架XFL和密文计算框架XSC在未来都会开源。
“保姆级”的数据全生命周期管理 除让数据实现安全、可信计算外隐私计算平台汇集数据后在实际应用场景中客户又提出了新的疑问如何解决数据管理数据价值分配和数据确权的问题
翼方健数认为区块链技术在这一板块优势明显但同样需要和隐私安全计算技术打配合。
翼方健数通过结合隐私安全计算与区块链技术开发Xledger为XDP联盟和IoDC提供不可篡改的数据存证与智能合约对数据实现全生命周期管理智能合约保障价值分配保证数据所有者的权益。
如果客户想要更高效率地获取高质量数据怎么办
翼方健数自主研发数据标注工具GoldFinger不仅支持高效率的用户标注还可以更好服务AI应用需求。GoldFinger可以保证数据在使用时严格隔离预标注能力还可扩展为众包模式兼顾效率与安全。
客户在清洗数据时标准不明确效果差出现大量无效工作何解
那就响应需求翼方健数开发数据治理工具DataWand。
传统的ETL手段费时费力且没有统一标准清洗规则效果差重复利用率低也有数据泄露风险。
DataWand都可以解决以上问题不仅可以对数据大规模标注在保证数据安全情况下算法还能持续迭代为后续的数据清洗提供服务。据张霖涛介绍DataWand目前已经在城市级别数据中取得很好的应用效果。这也为后续客户在选择时提供了更多参考依据。
数据储存在哪里你们是技术供应商交付后能否保证客户有完全的控制权限
张霖涛表示翼方健数本身并不拥有数据数据的控制权需要由数据拥有方来做授权。换句话说翼方健数是“零数据的大数据公司”。
赋能各行业AI驱动的差异化应用 隐私安全技术可以解决安全与效率的问题。
然而在客户决策前是否已有成功先例仍是重要的拍板依据。
翼方健数早已在医疗、生信、政务等垂直领域完成多项AI业务挑战储备诸多应用案例。
仅以医疗行业客户为例翼方健数建立业界领先的基于深度学习的诊疗合理性内核。
诊疗模型基于采集的数据通过与库内特征比对对疾病作出预测和预警。如做智能多点触发疾控解决方案以此来预测传染病的发病情况和未来走势。
基于知识图谱翼方健数辅助构建医学数据库帮助医生/科研人员系统地从各种资料中抽取出有效信息。
诊疗合理性内核已经应用到医院端的CDSS临床决策支持系统和医疗质控中进一步帮助医生提质增效降风险。相关数据在授权后还可应用于科研院所和政策研究机构。
全栈化解决方案是隐私计算技术落地难的最优解法
张霖涛认为若想通过隐私计算去最大化数据价值单一技术显然无法提供“完美”的解决方案。
如果要为各行各业创造真正的数据价值使数据和计算资源充分流动。隐私安全计算企业或许还要考虑得更为现实且深远全栈化解决方案或许才是隐私计算技术落地难题的最优解法。
但是对于技术供应商而言最优解法注定会更为艰辛。抵达星辰大海之前一路绝非坦途。
构建IoDC数据和计算互联网是翼方健数的愿景与目标。若要达成这一目标一方面翼方健数需要不断迭代各类技术方案为客户多想一步适应应用场景的变化另一方面翼方健数还需促成行业共识使不同的平台间数据互通为彼此产生价值。不过这条路径一旦走通之后必定会撬动指数级的数字化市场份额。
