首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

肖风:未来三到五年内,一个去中心化的分布式AI平台或将出现

在新智元AI WORLD 2018世界人工智能峰会上,中国万向控股有限公司副董事长兼执行董事肖风分享了他对AI、数据隐私保护和区块链的独到看法。 肖风认为,随着AI迎来第三次高潮,技术对数据愈发依赖,带来了人们对数据估值的重新发现。 区块链加上加密算法是一对绝配。互联网是“信息机器”,区块链是“事实机器”。区块链加上加密算法将会给AI带来一片新的天地,它们的结合将满足AI对数据的需求,数据隐私会得到保护,数据资产会得到确权,数据共享会得到激励,数据计算会得以开放,数据治理会得以有序。 未来三到五年内,一个去中心化的分布式AI平台或将出现。 以下是肖风在新智元AI WORLD 2018世界人工智能峰会上的演讲实录:《AI、数据隐私保护与区块链》。

02

[长文]全球舞台上的欧洲数据隐私规制

编者按:美国司法部于5月19日起诉5名中国军人,指控他们通过网络窃取美国公司的商业机密,这是美国政府首次公开控告外国政府公务人员针对美国公司实施网络黑客犯罪。同日,中国外交部发言人秦刚就此事发表谈话称:“鉴于美方对通过对话合作解决网络安全问题缺乏诚意,中方决定中止中美网络工作组活动”。这一事件凸显了数据隐私规制的重大意义。本期发表的“全球舞台上的欧洲数据隐私规制:政策出口还是实验主义?”一文,探究了在错综发杂的强权政治背景下推进实验主义合作治理的五个机制,对于中国相关领域的政策治理颇有启发。 导言: 从

05

「图学习隐私与安全」最新2023研究综述

虽然海量的现实需求为人工智能提供了广阔的应用场景,但要求人工智能系统适应复杂的计算环境.然 而,传统人工智能算法的研究都假设其应用环境是安全可控的.大量研究和实践工作表明当前的人工智能技术普 遍对外在风险考虑不足,相关数据和模型算法存在隐私与安全风险.由于人工智能安全的现实需求以及图学习的 巨大影响,图学习的隐私与安全问题成为当前图学习领域面临的重要挑战.为此,研究人员近年来从图学习系统的 各个环节出发对图学习隐私与安全问题进行了研究,提出了相关的攻击和防御方法.本综述首先阐述研究图学习 隐私与安全的重要意义,然后介绍图学习系统的基本过程、图学习面临的主要隐私与安全威胁以及图学习的隐私 与安全特性;在上述基础上,分别从图数据隐私、图数据安全、图模型隐私和图模型安全四个方面对现有研究工作 进行系统的归纳总结,讨论主要成果和不足;最后,介绍相关的开放资源,并从数据特征、解释性、研究体系和实际 应用等方面探讨面临的挑战和未来的研究方向.

04

如何选择一款边缘AI设备?

边缘计算将物联网提升到一个更高的水平——在云的边缘,原始数据实时转化为价值。通过在整个网络中重新分配数据处理工作,它提升了连接节点、端点和其他智能设备的重要性和治理。边缘计算几乎与云计算完全相反,其中数据从分布式网络流入,在集中式数据中心进行处理,结果通常会传输回原始分布式网络以触发操作。但是,长距离传输大量数据会产生相关成本。这些成本可以从财务上衡量,但也可以通过其他关键方式来衡量,例如功率或时间。这就是边缘计算介入的地方。当功率、带宽和延迟真的很重要时,边缘计算可能是答案。与集中式云计算不同,其中数据可能会传播数百英里进行处理,边缘计算支持在感知、创建或驻留数据的同一网络边缘位置处理数据。这意味着处理延迟几乎可以忽略不计,对功率和带宽的要求通常也大大降低。

03

Hyperledger Fabric区块链数据隐私保护

区块链账本是由一个个区块构成,后一个区块包含了前一个区块的Hash,多个参与方通过共识保证各个参与方的数据一致。区块之间的链式结构和多份的数据冗余很大程度上保证了数据的透明性和不可篡改性。在联盟链中,结合区块链上数据的透明性和不可篡改性,确保链上数据可信,利用可信数据,减少中间流程,降低风险,从而加速整个业务流程的运转。区块链上数据透明性是一把双刃剑,透明保证可信,但是在很多商业场景中,数据具有隐私的特性。如何在透明性和隐私性之间平衡,是区块链需要解决的一大问题。链上的数据隐私可以从两个层面考虑,一个是账本数据传播范围,一个是业务数据上链方式。

01
领券