<mark id="oztn4"></mark>
0
近日，富數科技安全計算首席專家卞陽做客雷鋒網公開課，以《隱私計算重構邊界，聯邦學習重新定義大數據》為題進行分享。
卞陽在課程中用武林各大門派做例子，詳細分析了聯邦學習和隱私計算安全部分的主要算法原理，以及聯邦學習如何實現跨越數據要素邊界，在供應鏈金融、聯合營銷、金融機構存客促活等具體場景中落地應用。
關注微信公眾號 AI金融評論 ，在公眾號聊天框回復“聽課”，進群可收看本節課程視頻回放。
以下為卞陽課程全場回顧和互動問答精選，雷鋒網AI金融評論做了不影響原意的編輯：
感謝大家能在周五參加公開課。我叫卞陽，來自富數科技。
數據有多重要？早期的語音識別有這樣一個情況：男聲識別率很高，但女聲識別率很低——因為（用于訓練的）素材語料太少。
如果兩家公司對比，算法水平高和數據量很多，哪家的人工智能會做得更好？一般是數據更多的那家，因為它可以不斷優化算法。
今天主要和大家交流隱私計算、聯邦學習，以及它們與數據、大數據的關系。
現在人工智能處處可見，有觀點說人工智能會定義業務邊界，其實安全也有相同的特點。數字化時代如果沒有安全，業務也很難展開。
安全和人工智能之間是何關系？未來若無智能，安全難以實現；若無安全可言，人工智能亦無用武之地。
從信息論的角度來看，人工智能和密碼學頗為有趣，二者實為一對悖論。
人工智能是數據經過加工，提取其中信息，訓練后變成知識。這是熵減的過程：熵越少，可用性就越高。
密碼學正好相反：隱藏有用的信息，編碼、打亂，變成另外一個空間的數據。這是信息熵增的過程，可用性越來越低。
但現在既想做安全，又想得到更強大的AI，得到更多的知識，如何是好？
如下圖所示，原始數據處理后，變為脫敏數據，信息量減少。但這并不足夠，還需要對中間數據進行加密——（這些步驟）都是隱私計算范圍。
但這并沒有結束，還需從中提取有價值的信息，引入聯邦學習，提取更多知識。
以前聯邦學習、人工智能和安全頗有些井水不犯河水的意思，互相關系不大。
2016年，歐盟制定GDPR，于2018年正式生效。而谷歌正是在2016年提出的聯邦學習——這時，人工智能跟密碼學的交集變多。
而當聯邦學習逐漸成為熱點，跟隱私計算的重合度就越來越高。
下一階段，在完全數字化時代，（人工智能與安全）二者很可能越來越深度融合。比如信通院制定了多方安全計算的數據流通產品標準，聽上去是安全相關，但也包含了機器學習。
聯邦學習的框架，不可避免會與安全相關。信通院也在制定聯邦學習的標準，當中也有不少關于安全的內容，于是變成了你中有我、我中有你的狀態。
“聯邦學習里的安全怎么做？”這是必然要討論的問題。之前很多專家已分享聯邦學習的算法原理，安全方面相對講得不多，我們這次會側重隱私計算方面來談。
若以江湖門派類比，安全多方計算（MPC）是少林派：歷史悠久，功力深厚，最早可以追溯到上世紀80年代，有秘密共享、傳輸混淆電路等一些非常強大的獨門武器。
武當派可以對應到同態加密。武當派的特點是簡潔、優雅，同態加密也類似：表達式清晰明了，實現起來卻很復雜。真正要做到全同態其實很難。
后起之秀華山派，可信計算環境（TEE）。當然，TEE跟聯邦學習關聯度較低，但也不排除某些聯邦學習解決方案能與TEE有所結合。
除此之外，還有像盲簽名、隱私信息檢索、零知識證明等這些相對更小的密碼學協議分支，同樣非常有用，好比泰山派峨眉派，它們共同組成了豐富多彩的隱私計算江湖。
共享這個詞有點讓人誤解，它并不是把各自的秘密數據真的共享了，而是各自的秘密還是可以得到安全的保護，但可以一起去計算得到結果，這個結果是可以共享的。
秘密共享的安全協議里，有數據的提供方，另外還有計算方，當然計算方跟提供方可以合二為一。
對比一下秘密共享跟同態加密的差別：同態加密是由一方提供密鑰，計算是在一個環境一方進行的。秘密共享叫安全多方，所以是在多方進行計算，有這樣一個特點。
比如說提供方1有個數，以加法為例，提供方把數切片，有幾個計算方就切成幾片。切完之后有一片留在自己手上，不發給別人，其他片分發。實際怎么切片，也有很多方法，不是只有一個算法。
現在先理解切成多片，每一方也會拿到其他方的切片，拿到以后就在本地做計算，比如說x1+y1+z1，這就是一個加法，加起來形成新的等式。c1c2c3就屬于中間結果，最后要求和，中間結果已經把各方的秘密混在一起了。
聯邦學習的計算表達式里，往往有多方數據，聽起來很復雜，但通過這個方式，實際上沒有那么復雜。
當然，秘密共享有安全條件，即安全門限。n-1的安全性，但（兩方的情況下）n-1=1，所以兩方加法不存在安全模型，必須要多方。
但在聯邦學習當中，很可能建模只有兩方，這是否會出現一方推算另一方的情況？
從信息論熵增熵減的理論來看，（為了避免這種情況）表達式不能夠太簡單。好在機器學習計算往往是矩陣集合計算，這樣復雜的表達式計算完會變成一個值，不可能由此反推原始數據。所以越復雜的計算，安全性越高。
光有加法不夠，還需要有乘法，但乘法復雜度比加法更高，原理類似。
安全多方計算有兩個優點：一是過程更加對等，不需要第三方拿了一個公鑰或私鑰去生成，其他方都依賴它進行加密解密。二是結果可以按照協議，分發給相對應的參與方。
同態加密（的原理是），誰有密鑰，肯定需要他去解密，安全性原理有所不同。
有些場合很難找到可信第三方，這時正是安全多方計算的發揮空間。除了乘法和加法，還有其他更復雜的計算，比如機器學習里面有 log、指數等，這些運算都可以用乘法和加法來構造。不管運算多復雜，理論上都可以用多方安全技術求解。
第二個是密碼學里非常重要的茫然傳輸，也叫不經意傳輸（Oblivious Transfer，OT），是聯邦學習做安全對齊的必備。
比如Alice手上有兩個信息，Bob想要其中一個，但是不希望Alice知道他拿了哪一個。
密碼學可以把協議構造更復雜些，比如n個信息里取其一，或取m個，取出數量不能超出約定。既要有正確性，還要有安全性，這就是OT協議。
安全多方計算里面還有個“武器”混淆電路，由圖靈獎獲得者姚期智老師發明。
原理是：假如所有的輸入都轉成0和1，進行比特的「與非或」門電路計算，最后得到一個結果。
但是Alice和Bob的輸入，都不希望另外一方知道，通過生成門電路處理，最后拿到的一個結果無法反推雙方的輸入。
如何在兩方間構造電路？如果是在對方那里運行，不可避免要將輸入（內容）給到對方，或者從對方拿（結果）。這時，不經意傳輸就派上用場了，對方無從得知你拿走了哪一個，這就隱藏掉自己的一個信息。
所以，多方安全計算的混淆電路和茫然傳輸之間有關系，這些都是比較底層的理論。安全協議密碼學的這些內容，構成了聯邦學習的安全基礎。
大數據這個詞，從提出到現在已經很多年。早期，大家更多采用內部數據，隨后逐漸發現外部數據很有價值，就希望獲得盡可能多的外部數據。但在國內外監管法律法規下，獲取外部數據存在合規要求，大數據（的發展）也就受限。
數據如今已是生產要素。聯邦學習怎樣讓AI跨越數據要素邊界？這就是前文所述的“武器”如何運用。
在做機器學習之前，往往需要完成對齊的動作。如果不知道兩邊的樣本，也不清楚如何使用，學習自然無法進行。
舉例：Alice和Bob各有一個樣本集，兩邊怎么安全對齊ID？首先要處理自己樣本里的ID，這是一個加密的過程。我們可以這樣理解：
Step 1：把自己信息和一張復寫紙放到信封里，給到 Bob。
Step 2：Bob在信封上簽名蓋章，再返回給Alice。
Step 3：Alice拿到之后打開信封，去掉掩碼，但因為有復寫紙，所以Bob的簽名也印到了Alice給的信息上。
Step 4：Bob把自己手上每個ID也做簽名。
因為只有他自己有私鑰，所以Alice無法生成這些ID。也正因為ID經過哈希后用私鑰簽名，Alice即使拿到信息，也無法判斷對應關系，只有她自己去掉了掩碼就事先拿到Bob簽名的這批ID，才能正好匹配上了。
如果Alice手上沒有ID，肯定匹配不上。如果她有一個ID，Bob那邊沒有，Bob自然也無法生成一個帶了自己簽名的信息。
但這并不是公平對等的方案，因為Alice獲得了一定的信息不對稱優勢：為什么是她先知道Bob哪些ID跟她有對齊？
好在密碼學還有很多種武器，其中比特承諾就是更公平的一種方案，可以保證參與雙方通過一種公平的方式來交換信息，參與者相互間要么都能得到對方的信息，要么都得不到。
安全對齊真的安全嗎？用戶哪些ID的數據參與了后面的機器學習，在一些場景中也是敏感的，能隱藏ID嗎？這就變成更復雜的問題了。
所以樣本對齊有三個層次的安全：第一個，比較簡單的盲簽名的安全對齊，但不太公平。第二種是安全公平的交換，第三種要隱藏被匹配到模型中的ID。
對于第三種，密碼學也有辦法解答。行業中有人提出差分隱私方案，復雜度很高，噪音的加入也會導致模型效果有損失。我們也有另外的一些安全手段，有興趣大家可以進一步交流。
不可避免地，做聯邦學習一定要有安全計算。
我們知道聯邦學習有不同的流派，縱向、橫向、遷移。橫向聯邦學習的實現相對簡單，因為在本地就可以訓練，模型再到云端匯總。
但縱向就比較復雜，一邊是y變量，一邊是x變量。一個表達式里既有x本方的變量，又有對方的變量，怎么算出結果？
聽上去不可思議，好在有前面提到的多方安全計算，即使表達式里有n方數據，也可以從最簡單的加法乘法開始構造。只要實現了這兩個方法，就能將表達式求值，還能約定表達式結果值如何分配。
用同態加密做聯邦學習，相對簡單，但限制也更多一些，會需要第三方協助。但在實際商業場景中往往很難找到第三方。此時，多方安全計算就有它的用武之地。MPC（多方安全計算）的多方安全，名詞本身和“聯邦”更對應，參與方的關系也更加對等，可以在無可信第三方的情形下進行計算，完成建模學習。
聯邦學習如果沒有好的數據，訓練效果很難優秀。為保證數據質量，訓練前需要進行聯邦特征工程。
從名詞上可以看出，無論是計算IV值、計算共線性，還是像importance這樣用于篩選變量的值，也是用聯邦方式來產生的。
在無法獲取對方數據的情況下，如何操作執行聯邦特征工程？我們通過可視化交互界面，共同做安全計算，能計算出特征IV值，還可以選擇多種分箱方式。
有了這個特征工程以后，也可以判斷對方的數據質量，發現那些對接下來的建模有用的特征字段。
正如前文所述，聯邦學習需要一個發起方，不可能兩邊都操作或都不操作，總歸有一方在做具體主要的動作，當然另外一方可以去做審核和批準動作，有權限管控。
進行聯邦學習不光需要底層算法，同時也需要一個操作控制友好的界面。
另外還有探索性分析，比如說是否有異常值、缺失值，可以預先設定好規則，自動過濾日常值，更好控制訓練質量。
聯邦學習最核心的，肯定是機器學習算法。下圖是機器學習已完成任務示意圖。
聯邦學習過程中，網絡上兩方或多方共同計算，如果了解不到計算狀態，我們很難給出適當判斷。聯邦學習的性能比單機本地要慢很多，訓練幾十分鐘甚至更長時間都非常正常。在參與方之間需要將訓練過程可視化。
不同的場景下，算法變化會很多。為實際適應各種場景，需要有盡可能豐富的聯邦學習算法。
當企業發現自己數據有限，要和對方外部合作。數據獲取不到，互相不信任，或者有合規上的隱患。這時通過聯邦學習，數據會變得更易用。拿不到數據本身，但能能拿到數據的能力。
企業也希望使用過程盡可能簡單方便，比如哪些數據可用、授權權限管理；希望可以發現、搜索有價值的資源，在合作的雙方或多方相互能發現，有點像微信那樣加好友才能連上對方、驗證通過。
之后怎么合作？有一方創建合作的項目，對方有什么樣的數據資源，是y變量還是x變量，橫向還是縱向，都可以可視化創建合作項目，在合作項目中約定，之后就可以進行安全數據處理。虛擬融合就是安全對齊的過程，形成看上去是虛擬的樣本集，實際上還是分布的。然后選一個聯邦學習算法，在虛擬融合集上進行訓練。
聯邦學習結束后，它還是一個分布的模型，參與方各有各的子模型，所以聯邦模型的使用，也要用到安全多方計算。
各方有自己的數據和子模型，在表達式或數的模型里，它的服務計算結構也是不一樣的。所以說我們還要支持把模型部署為服務，變成像API那樣可以對外提供，這樣才形成一個閉環。
通過聯邦學習，本來外部拿不到的數據，可以因此跨越邊界，獲得大數據能力，成為真正的大數據。
如果能夠拿到各種各樣的維度，在商業競爭中肯定有更加明顯的優勢。聯邦學習，能夠讓企業獲得了更強大的能力，就像上帝視角那樣，得到高維打低維的優勢。
從具體案例來看，富數科技在2017年就立項做多方安全計算，那也是網絡安全法生效的一年。
我們當時就覺得，數據安全非常重要，也需要有一種更好的方式來使用，所以發起了開源項目Unitedata，有多家合作單位聯合研究。
2018年，我們的UD聯盟系統上線，已有部分落地應用的案例執行；2019年，信通院多方安全計算的相關標準出臺后，我們也參與其中。富數安全計算聯邦學習平臺阿凡達（Avatar）也是最早通過信通院產品認證的。
為什么叫阿凡達？眾所周知，這部電影是說地球人通過“阿凡達”這個化身進入到外星世界，本體沒有轉移。這個外星空間里，納美人的頭發就是一種神經元，由此連到靈魂樹，互相達成共識。
這點十分有趣，我們覺得這跟聯邦學習異曲同工：本體不轉移，以及相互連接達成更廣泛共識。所以阿凡達的意義是數字的世界里相互連接，形成更開放生態。
富數Avatar平臺支持私有化部署，其中有兩個核心模塊：底層聯邦學習算法模塊，加密計算模塊。正如同計算機不光有 CPU，還需要有GPU一樣，有兩個核心共同工作才能夠實現聯邦學習。
使用阿凡達的兩家機構，他們可自身直接達成連接，不經過包括富數在內的任何第三方，就可以完成各種聯邦學習項目。
供應鏈金融里的應收賬款，銀行需要稅務開票數據，但不容易拿到。
在一些項目中，企業若無授權，外部很難拿到數據，即便拿到也只是單個小的數據。但只拿一條數據，沒法完成聯邦學習，得要幾千、幾萬條稅務的數據和銀行的資金流水。
一邊是銀行資金交易信息，一邊是經營信息來進行訓練，兩邊維度不同，也沒法匯集到一起，這在以前難度非常大。
讓銀行把數據放進安全沙箱是辦法之一，但沙箱數據要出庫有風險，這就導致：雖然我們希望公共服務數據能夠對外賦能，實際操作中卻遇到安全隱患。
通過聯邦學習，比如銀行方企業交易數據仍由本地安全保護，同時可以連接到公共服務數據的開放平臺。數據資源在開放平臺上陳列可供選擇，審核后運行算法，看最終效果。
這樣一來，當小微企業想要去申請銀行貸款，銀行就有更適合的模型來判斷。
有些企業可能其實很大風險，經營情況不太穩定，由于銀行可以拿到更豐富的數據，比如從用電數據判斷企業經營趨勢，在風控模型上做得更好，預防潛在風險。貸前、貸中管理和實時監測，也很需要多方數據來訓練模型。
上文提到，模型部署成服務，可以做到明細的數據不需要傳到銀行，用這個模型即可計算出結果。這對企業來說，授權的范圍可以進一步縮小。不管是公共服務部門還是大數據機構，對于掌握數據方而言，數據安全性也更高，避免了數據在使用的過程中被留存，或者面臨更大風險。
品牌商想和合作方聯合營銷，必然要對用戶做一些判斷：哪些用戶適合什么類型的產品？但些信息是汽車廠商自己掌握，大數據平臺很難判斷。
之前需要汽車廠商把CRM之類的信息，在大數據能力開放平臺里建模，即駐場式建模。但對品牌商來說，數據放出去也存在隱患。
通過阿凡達聯邦學習，可以利用大數據平臺更大維度的數據——實際使用中可能有上千維度，聯合建模，再對用戶進行分層分群，不同車型能更好匹配潛在用戶，活動轉化率和最后效果得到巨大提升。
每家機構都會有大量睡眠客戶，非常希望激活，但它本身是睡眠客戶，很難得到更豐富的信息去判斷。用外部標簽判斷客戶，相當于把自己的客戶信息泄露出去了。其次，如果不能雙方建模，匹配度也不高。
存量客戶對外進行畫像匹配時，也可以通過安全方式去查詢，這跟前面講的盲簽名非常像。然后建模，非常典型的縱向聯邦學習模型，之后可以更好判斷，把客戶分組，不同組對應不同營銷策略。
在這個過程中，金融機構并沒有拿到存量客戶更多的信息，消費信息、上網行為拿不到，非常合規，但已經知道了客戶適合的產品，提升了金融競爭優勢。我們在實操中發現，跟專家模型相比，它的轉化率可以提高100%以上。
安全與合規
用了聯邦學習是否就一定安全合規？聯邦學習降低了數據泄露的風險，同時在具體使用中依然需要遵循數據合規的法律要求。安全對齊在某些解決方案或者情況下也還是會存在一定隱患，我們提供了更加公平的、尤其對甲方更加安全的對齊方式，合規性也更好。梯度泄露、樣本投毒等其他安全挑戰，需要有更好的解決方案，畢竟聯邦學習也在不斷成熟和發展之中。
性能和效率
對聯邦學習熟悉的朋友都知道，聯邦學習的計算量非常大。以往在本地非常快，不用加密也不用通信，因此（采用聯邦學習后）性能上面往往有兩個數量級的降低。我們也做了不少優化和嘗試，在性能上面還是取得了一些進展。
場景適用性
場景很多變，需要不同算法，也不光局限在機器學習。安全查詢就是非常強的需求。有一些情形還沒上升到學習的程度，但也要分析得到有用的知識，用多方安全計算可以解決。
在阿凡達的解決方案里，從簡單的加密查詢到多方計算和統計，再到不同的機器學習算法，還有神經網絡、深度學習等。所以在場景適用性上面，我們也已經取得一些成績。
互聯互通
它是多方的應用，兩個解決方案之間若無統一標準，聯邦學習要進行下去肯定很難。
問：哪些金融細分領域更適合聯邦學習？，
卞陽：細分領域非常多，比如保險、反欺詐的應用場景，都非常典型。金融非常依賴數據，只要這個場景需要用到外部數據，聯邦學習就特別適合。當然有些場景是不是一定要用機器學習？像剛才提到的供應鏈，其實雙方在進入到機器學習之前，還要做變量的處理。雙方都有變量，還想衍生出新的變量，怎么辦？這種情況用多方安全計算去衍生新變量，這個變量不反映用戶敏感信息，把變量構造出來。
問：供應鏈金融場景案例里，聯邦學習和區塊鏈兩種方案有什么區別和優勢？
卞陽：聯邦學習跟區塊鏈肯定很大區別。區塊鏈不講學習，共同點都是分布式，在某些情況下也可以相互配合。富數也有區塊鏈松耦合的方案，因為要多方聯邦學習，可以在區塊鏈進行智能合約，約定數據的規格、利益的歸屬，使這個機制更加公平。
問：自己做的隱私保護聯邦深度學習模型，用同態加密太慢，差分隱私保護效果不好怎么辦？
卞陽：的確，同態加密性能是一個問題，用MPC可以優化，因為同態加密相對來講比較固定和簡潔，但優化空間會小。
問：聯邦學習的標準，哪個公司在牽頭制定？
卞陽：這個名詞首先最早提出是谷歌，微眾銀行應該是國內的一個旗手。所以IEEE會議的標準，微眾銀行是發起方，富數科技也是標準組的成員。
問：數據開放平臺和模型服務是誰所有的？
卞陽：對數據源來講，數據開放平臺肯定是屬于數據擁有者。模型如果是雙方共建、訓練產生的模型，最后生成的模型服務，是看模型調用過程，包括模型分布情況。除非參與建模的一方，把自己的模型授權給其他方。如果不授權，那就是共有。
問：休眠客戶的激活，本質是對客戶增加標簽維度，然后再激活客戶？
卞陽：如何激活，有不同的策略，這時要增加標簽的維度。如果因為策略不好，推了他不需要的產品，等于是騷擾，反而對客戶有壞影響，所以銀行要激活休眠客戶的時候也會非常謹慎。提高客戶匹配度，也變得非常重要。
問：各部分標注數據質量有好有壞，聯邦學習可以怎么做？
卞陽：進行訓練之前，要對數據質量做聯邦處理和分析，特征工程和探索性。當然這個過程也保護各方數據。統計性信息能不能給，也要經過授權，就可以在進入學習之前判斷標注的數據質量。如果前面不容易判斷，可以訓練出模型再去測試，評估其中維度的數據有沒有價值。
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
