360數(shù)科：分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架在設(shè)計上杜絕了數(shù)據(jù)泄露的問題

　　9月9日消息，今年，360數(shù)科進一步推動隱私數(shù)據(jù)保護領(lǐng)域研究，提出分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架(Spilt Neural Network)，并通過自主研發(fā)的一套系統(tǒng)實現(xiàn)算法落地。

　　據(jù)介紹，與傳統(tǒng)聯(lián)邦學(xué)習不同的是，分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架輸出層數(shù)據(jù)的維度遠小于原始輸入層的維度，即使輸出層的數(shù)據(jù)沒有加密也無法反推原始輸入層的數(shù)據(jù)，從而在框架設(shè)計上杜絕了數(shù)據(jù)泄露的問題。由于輸出層數(shù)據(jù)的維度較小，也可以大幅降低服務(wù)器端的計算量與內(nèi)存使用量，減少網(wǎng)絡(luò)傳輸量，降低對帶寬的要求。

　　同時，與聯(lián)邦學(xué)習類似，分割式神經(jīng)網(wǎng)絡(luò)技術(shù)框架不需要上傳任何原始數(shù)據(jù)。在使用原始數(shù)據(jù)或者上傳輸出層結(jié)果前，可以使用各種加密方式進行加密，從而保障了隱私數(shù)據(jù)安全。

　　與聯(lián)邦學(xué)習的不同之處在于，該框架下每個參與學(xué)習的客戶端各自部署自身的子神經(jīng)網(wǎng)絡(luò)，學(xué)習后的參數(shù)并不需要共享給服務(wù)器。每個客戶端只需要把最頂層輸出層的數(shù)據(jù)回傳給服務(wù)器，之后服務(wù)器綜合各個客戶端的結(jié)果再由各客戶端各自進行更新迭代。

　　據(jù)悉，目前，該框架主要滿足360數(shù)科在與合作方進行數(shù)據(jù)交互時的需求。未來，在360數(shù)科對外輸出風控能力的過程中，隱私計算也將作為技術(shù)輸出的一部分，作為綜合解決方案從底層解決數(shù)據(jù)安全問題。