OpenFL Transition اینتل باعث رشد هوش مصنوعی محرمانه می شود

این چارچوب سخت‌افزار و نرم‌افزار را ترکیب می‌کند تا هوش مصنوعی حفظ حریم خصوصی را با استفاده از Intel Software Guard Extensions (Intel SGX)، یک محیط اجرای ایمن مبتنی بر سخت‌افزار (TEE) برای مرکز داده، و پروژه Gramine، مجموعه‌ای از ابزارها و اجزای زیرساخت، فعال کند. برای اجرای برنامه های اصلاح نشده بر روی پلت فرم های محاسباتی محرمانه مبتنی بر SGX اینتل.

: OpenFL یک چارچوب یادگیری فدرال است که به گونه ای طراحی شده است که انعطاف پذیر، قابل توسعه و ایمن باشد. این سازمان‌ها را قادر می‌سازد تا در یادگیری ماشینی چندجانبه مشارکتی بدون انتقال داده‌های محرمانه یا تنظیم‌شده خود به خارج از سایت شرکت کنند. در عوض، الگوریتم داده‌ها را در جایی که در آن قرار دارد پردازش می‌کند و سپس نتایج ناشناس به صورت مرکزی ادغام می‌شوند. داده های هیچ حزبی در معرض سایر شرکت کنندگان قرار نمی گیرد.

مرجع اخبار سخت افزار کامپیوترایران

ما خوشحالیم که از OpenFL در LF AI & Data Foundation استقبال می کنیم. رویکرد نوآورانه این پروژه که به سازمان ها اجازه می دهد به طور مشترک مدل های یادگیری ماشین را در چندین دستگاه یا مراکز داده آموزش دهند بدون اینکه نیازی به اشتراک گذاری داده های بی رحمانه باشد، کاملاً با ماموریت ما برای تسریع رشد و توسعه هماهنگ است. دکتر ابراهیم حداد، مدیر اجرایی LF AI & Data Foundation، گفت: ما مشتاقانه منتظر همکاری با افراد با استعداد پشت این پروژه و مشارکت در موفقیت آن هستیم.

دانشمندان داده می‌توانند از این رویکرد یادگیری ماشینی توزیع‌شده (ML) استفاده کنند تا سازمان‌ها را قادر می‌سازد تا در تجزیه و تحلیل‌های سودمند متقابل بدون افشای داده‌های حساس یا الگوریتم‌های ML در معرض سایر طرف‌ها همکاری کنند. صنایعی مانند مراقبت های بهداشتی، خدمات مالی، خرده فروشی و تولید از FL برای به دست آوردن بینش ارزشمند از داده ها استفاده می کنند، به گونه ای که به طور ایمن چندین سیستم و مجموعه داده ها را به هم متصل می کند و موانعی را که مانع از تجمع داده ها برای تجزیه و تحلیل می شود، حذف می کند.