データのために生まれ、プライバシーのために戦う: プライベート コンピューティング業界の加速する台頭

デジタル経済の時代において、データは新たな生産要素および戦略的資源として、科学技術の進歩、政策策定、経済発展の重要な原動力となります。ただし、データの価値を最大化できるのは、プライバシーとセキュリティが保証されている場合のみです。

近年、「サイバーセキュリティ法」、「データセキュリティ法」、「個人情報保護法」の公布・施行に伴い、国、業界、地方自治体が相次ぎ支援政策を打ち出しています。データセキュリティに関する文書、データ要素管理システムを改善し、データ流通取引の安全性を確保します。特に、2022年末に発表された「データ20条」では、公的データ、企業データ、個人データなどのコンプライアンスを遵守した効率的な流通・利用をさらに推進し、「見えないけど使える」データ、「制御・計測できる」データを実現しました。法的要件になります。

データの 20 の概念の実装を促進する方法において、プライバシー コンピューティングは、データの流通と価値の解放のバランスをとるための重要な「技術的ソリューション」としてますます注目を集めています。 2022 年の Gartner ハイプ サイクルにリストされている注目に値する 25 の新興テクノロジーのうち、6 つはプライバシー コンピューティングに関連しており、その価値と可能性を示しています。

画像出典: gartner.com

今年 1 月、工業情報化部、中国サイバースペース局、国家発展改革委員会など16部門は「データセキュリティ産業の発展促進に関する指導意見」を発表し、主要技術の研究を強化することを明確に提案した。プライバシーコンピューティングやデータフロー分析などの技術を強化し、データ品質評価、プライバシーコンピューティング、その他の製品の研究開発を強化します。

プライバシー コンピューティング業界もその成長を加速しています。中国情報通信技術院の報告書によると、中国のプライベートコンピューティング市場は2025年に100億元に達すると予想されている。

プライバシーコンピューティング技術の開発

プライバシーコンピューティングとは、Privacy-preserving Computationの略で、データ提供者が元のデータを漏洩しないようにするための技術です。データは、人工知能やデータ サイエンスなどの多くの分野と分野の相互融合を伴う広範な概念であり、安全なマルチパーティ コンピューティング、準同型暗号化、差分プライバシー、ゼロ知識証明、フェデレーテッド ラーニング、信頼できる実行環境などをカバーします。他の技術的なサブ項目、およびこれらの技術的なサブ項目と関連する製品ソリューションの組み合わせ。

安全なマルチパーティ コンピューティング

は、チューリング賞受賞者である学者 Yao Qizhi によって 1982 年に開発されました。 「億万長者の質問」に質問して答えることによって。安全なマルチパーティ計算では、各参加者が正しい計算結果のみを取得し、計算結果以外の情報を取得できないようにすることができ、難読化された回路に加え、秘密共有、誤送信などのさまざまな暗号基本ツールを総合的に応用しています。古典的なマルチパーティ セキュア コンピューティング プロトコルに加えて、マルチパーティ セキュア コンピューティングの実装に使用される他のすべての暗号アルゴリズム (準同型暗号化やゼロ知識証明など) は、マルチパーティ セキュア コンピューティング プロトコルを形成できます。 。 30 年以上の理論研究を経て、セキュア マルチパーティ コンピューティングは技術的に成熟しました。医療分野での共同研究など、共通の顧客や利益を特定する必要があるが、他のデータを保護する必要があるシナリオで使用できます。 、またはビジネス効率を向上させるための企業間のデータ共有は、重要なアプリケーション価値を発揮します。

#機密コンピューティング

機密コンピューティングの基本原則は、保護する必要があるデータまたはコードを保存することです。 Trusted Execution Environment (TEE) では、これらのデータおよびコードへのアクセスはハードウェア ベースのアクセス制御を介して、使用中の不正なアクセスや変更を防止する必要があり、これによりデータ処理プロセスが実現され、データ セキュリティを強化するための検証と制御が可能です。このうち、信頼できる実行環境とは、クラウド環境を含め、データの機密性、データの完全性、コードの完全性の観点から一定レベルの保護を提供できる環境と定義されます。コンフィデンシャル コンピューティングは、2002 年の ARM による TrustZone テクノロジの発売にまで遡ります。2015 年のインテルによる SGX テクノロジの発売は、コンフィデンシャル コンピューティングの急速な発展段階を示しました。現在、AMD、Huawei、その他のメーカーも独自のコンフィデンシャル コンピューティング テクノロジを発売しています。 。

# フェデレーテッド ラーニングを使用して、複数のモバイル端末で機械学習モデルを共同トレーニングします。画像出典: Wikipedia

フェデレーテッド ラーニングは 2016 年に Google によって提案されました。その中心的なアイデアは、データがドメインを離れることなく、2 人以上の参加者が協力してモデルの構築と使用を完了できるようにすることです。「データはモデルを動かさない」ことを強調しています。 「モバイル、データは利用可能だが可視ではない」は、多くの参加ユーザー、多くのデータ機能、および広範な配布を伴う共同コンピューティング アプリケーション シナリオに適しています。データ関係者間の計算に参加するデータの分布に応じて、水平フェデレーテッド ラーニング、垂直フェデレーテッド ラーニング、フェデレーテッド転送学習に分類できます。通常、フェデレーション ラーニングは、計算プロセス中にデータを保護するために、他のプライバシー保護テクノロジと組み合わせて使用​​する必要があります。

Ant Group は、2016 年からプライバシー コンピューティングを展開してきました。テクノロジーの研究開発において、製品サービス 環境保護や環境共生などの面で多くの成果を上げています。 Ant は業界で最も多くのプライベート コンピューティング特許を保有しており、信頼できる高密度ステート コンピューティングや制御された匿名性などの新しいテクノロジを提案してきました。製品とサービスの面では、オープンソースの信頼できるプライバシー コンピューティング フレームワーク SecretFlow は、現在の主流のプライバシー コンピューティング テクノロジのほぼすべてをサポートし、相互接続を積極的にサポートしています。オープンソースの信頼できる実行環境プライバシー コンピューティング オペレーティング システム Occlum は、Linux 環境の API と互換性があり、既存のアプリケーションは、変更をほとんど必要とせずに信頼できる実行環境で実行できるため、TEE アプリケーション開発の敷居が大幅に下がります。商用利用の場合、Ant Privacy Computing All-in-One は、ソフトウェアとハ​​ードウェアを完全に統合したシステム プラットフォームを提供します。信頼のスタックを実現し、組織にとって理想的なプラットフォームとして機能します 企業間の共同データコンピューティングのためのワンストップセキュリティソリューションを提供します; 大規模なマルチパーティセキュアコンピューティング商用プラットフォームである Ant Chain Moss は、業界で初めてマルチパーティ セキュア コンピューティング製品評価 (CAICT MPC 評価) であり、ゴールド スタンダード委員会の MPC 評価製品に合格した最初の製品であり、2022 年 2 月の時点で 150 以上の業界顧客にサービスを提供しています。エコロジーの観点から、Ant は国際および国内の業界標準の策定を積極的に推進しており、多くの重要な標準の主導的な組織です。

##Alibaba

アリババ グループは、Alibaba Security、Alibaba Cloud、Damo など、プライバシー コンピューティングの分野に広く関与しています。同研究所は関連する研究を実施している。アリババセキュリティのジェミニ研究所は、準同型暗号化、安全なマルチパーティ計算などに重点を置いており、その研究開発技術はアリババのビジネスに広く活用されており、一部の技術は業界トップレベルに達しています。 Alibaba Cloud は、2020 年にチップ セキュリティに基づいた信頼できる仮想化インスタンスを初めてリリースし、2021 年にプライバシーが強化された DataTrust コンピューティング プラットフォームをリリースしました。準同型暗号化と信頼できる実行環境に基づいて、マルチパーティのデータ連携をサポートしながら、データのセキュリティとプライバシーを確​​保します。データの規模や複雑さに影響されない分析と予測は、中国初のパブリック クラウド ネイティブの暗号化コンピューティング製品です。 DAMO アカデミーは 2022 年に FederatedScope フェデレーテッド ラーニング フレームワークをリリースし、オープンソース化しました。豊富なアプリケーション シナリオで大規模かつ効率的なフェデレーテッド ラーニングの非同期トレーニングをサポートしています。PyTorch や Tensorflow などのさまざまなデバイス オペレーティング環境と互換性があり、フェデレーション ラーニングのコスト 科学研究と実際のアプリケーションにおける開発の困難さとコスト。

Baidu

Baidu は 2012 年に「データ セキュリティ ポリシー」を発表し、2018 年にデータ プライバシー保護委員会を設立しました。現在、プライバシー コンピューティングは、基盤となる基本テクノロジーとして、Baidu Smart Cloud、Baidu Security、Baidu Super Chain などのプラットフォームに展開されており、複数のテクノロジーを組み合わせてソリューションを立ち上げ、アプリケーションの実装を実現しています。また、Baidu Smart Cloud はブロックチェーン プラットフォームと統合し、ブロックチェーン テクノロジーをクラウド コンピューティングとプライバシー コンピューティングのプロセスに組み込むことで、さまざまなシナリオでのプライバシー コンピューティングの実装を促進します。 Baidu Brain のビッグ データ サービス プラットフォームである Baidu Dianshi は、フェデレーテッド ラーニング、マルチパーティ セキュア コンピューティング、信頼できる実行環境などの主流のプライバシー コンピューティング テクノロジーに基づいており、データ エンパワーメントを安全かつ効率的に実装し、顧客がデータの価値を高めるのを支援します。 。 Baidu Dianshi Security Computing Platform (MesaTEE) は、Baidu Security が企業向けのプライバシー コンピューティングを実装するための重要なプラットフォームです。 Baidu Paddle が開発したオープンソースのフェデレーション ラーニング フレームワークである PaddleFL をベースに、企業間の連携をデータ レベルで安全に実行できます。 PaddleFL は、コンピューター ビジョン、自然言語処理、推奨アルゴリズム、その他の分野におけるさまざまなフェデレーテッド ラーニング戦略とそのアプリケーションを提供します。

バイトダンス

ByteDance はプライバシー コンピューティングの分野に比較的集中したレイアウトを持っており、その最も重要な製品は Fedlearner 連合学習プラットフォームです。このプロジェクトは 2019 年に開始され、当初は単一企業向けにカスタマイズされ、企業の広告効率向上を支援するニューラル ネットワーク垂直連合学習テクノロジーに基づいていました。インターネット金融と教育。 2020 年、Fedlearner はオープン ソースとなり、複数の種類のフェデレーテッド ラーニング モデルをサポートします。システム全体には、コンソール、トレーナー、データ処理、データ ストレージ、その他のモジュールが含まれます。各モジュールは、フェデレーションに参加する両当事者のクラスターに対称的にデプロイされ、エージェントを介して相互に通信し、トレーニングを実現します。 ByteDance は、Privacy Computing Alliance (CCC) のメンバーとして、プライベート コンピューティング市場の発展の促進、テクノロジーと規制基準に影響を与え、次世代インターネットのコンピューティングの信頼性とセキュリティの向上にも取り組んでいます。

結論

データセキュリティとコンプライアンスの循環が不可避となる中、現時点でデータの「使えるものと見えないもの」を実現する唯一の技術的ソリューションはプライバシーコンピューティングです。将来のテクノロジー業界に大きな影響を及ぼし、実体経済の主要分野にも重要な影響を与えるでしょう。典型的な金融、医療、その他のシナリオに加えて、プライバシー コンピューティングもますます多くの業界や分野で検討されています。

たとえば、電力会社はプライバシー コンピューティングを通じて電力網データのライフサイクル全体を保護し、データをクラウドに安全にアップロードしたり、コンピューティング サービス プロバイダーにアウトソーシングしたりできるようになります。計算能力を実現し、企業のコストを削減し、効率を向上させます。広告プラットフォームはプライバシー コンピューティングを使用してユーザー データを暗号化し、元のデータを特定できないようにすることで、個人情報を明らかにすることなく広告のターゲティングとパーソナライズされた推奨を完了します。フェデレーテッド ラーニングなどのテクノロジーを使用すると、元のユーザー データを共有することなくこれを実現できます。機械学習モデルをトレーニングし、ユーザー端末でパーソナライズされたレコメンデーションを完了することもできるため、ユーザーのプライバシー保護を最大化しながらレコメンデーション効果を確保できます。将来的には、モバイル デバイス向けの信頼できる実行環境を含む革新的なプライバシー保護ソリューションにより、モバイルのパーソナライズされたレコメンデーション サービスで満足のいくユーザー エクスペリエンスを実現し、ユーザーのプライバシーを保護し、真に Win-Win の状況を実現できるようになります。旅行の分野では、プライバシー コンピューティングにより、通信事業者やサービス プロバイダーはオンライン データを暗号化された状態で使用して、都市の交通状況や旅行のニーズを分析および予測することができ、ユーザーのプライバシーとデータを保護しながら、交通整理や新しいビジネス イノベーションの基盤を提供できます。安全性。

データの価値を完全に解放することで、革命的なイノベーションを促進できることがわかりました。ChatGPT よりもスマートな製品が私たちの生活に入り込み、私たちの興味や習慣を理解し、カスタマイズしてパーソナライズされたサービスを提供することを想像してみてください。仕事と生活をこれまで以上に便利でパーソナライズしたものにします。このプロセスにおいて、プライバシー コンピューティングは新しいテクノロジーの応用に不可欠な部分として機能し、価値を生み出しながらデータの安全性と制御性を維持できるようになり、プライバシー保護に対する人々の合理的な期待を保護します。

以上がデータのために生まれ、プライバシーのために戦う: プライベート コンピューティング業界の加速する台頭の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。