如何使数据同时开放和共享以及保持隐私和安全性存在

智能技术的引入是一个既令人兴奋又令人恐惧的主题。人工智能，机器学习和深度学习的智慧三位一体有潜力以人类大脑无法达到的速度分析数据。

由此产生的见解可能会对社会产生深远的有益影响，这一点尚无争议。但是，围绕如何使数据同时开放和共享以及保持隐私和安全性存在一个悖论。

英特尔公司AI产品高级总监Casimir Wierzynski（如图）说：“隐私和AI的这种交汇处是英特尔以数据为中心的使命的核心。您如何同时尊重基础数据的隐私和安全性？同时还能训练和使用AI系统？”

Wierzynski 在本周于旧金山举行的RSA大会上与SiliconANGLE Media的移动实时流媒体工作室CUBE的主持人John Furrier进行了交谈。他们讨论了如何通过共享机器学习模型的数据来讨论安全性和隐私问题，以及英特尔在同态加密方面的研究如何解决该问题。

Wierzynski认为，机器学习的一个问题是它几乎总是多方交互。一方拥有数据，而另一方拥有模型，而该模型又在另一方的硬件上运行。这使得共享数据成为一种信任行为-当数据可能包含敏感的个人信息（这对犯罪分子来说是金矿）时，这不是一个好的计划。但是，如果不共享数据，机器学习的希望就无法实现。

卫生保健部门就是一个例子。“您有多家拥有患者数据的医院，” Wierzynski说。“如果以某种方式，他们可以将所有数据汇总在一起，您将获得更有效的模型和更好的患者预后。但是出于非常好的隐私原因，不允许他们这样做。”

他说，答案在于一种称为同态加密的技术。这种前沿技术允许共享和访问加密数据以进行分析。所有结果也会被加密，只有数据的实际所有者才具有加密密钥。

同态加密的发明者Craig Gentry博士将其解释为就像一个锁着的手套箱。任何人都可以把手戴在手套上操作盒子中的东西，但是只有盒子的所有者才能解锁它并检索结果。

“这看起来像魔术，”维尔森斯基说。“借助此功能，您可以启用各种新的用例，而第三方无法对您的敏感数据采取任何行动，而又不会以任何方式公开这些新用例。”

不幸的是，大多数数据科学家也不是密码学专家。因此，英特尔创造了一种使同态加密民主化的产品。开源软件包称为HE Transformer ，HE代表同态加密。

Wierzynski说：“它使数据科学家可以用Python或以前使用过的方法进行常规数据科学。” “但是后来他们轻按了开关，突然之间他们的模型能够在加密数据上运行。如果您知道，只要［个人］数据在四处移动并且人们正在对其进行操作，但是数据一直在始终保持加密状态，而不仅仅是在传输过程中，这将提供更高的舒适度。”