Виталий Саттаров, Пётр Емельянов (UBIC Technologies): Как компаниям обмениваться данными, не обмениваясь ими

Программа конференции была поделена на несколько блоков.

• Перспективы больших данных и искусственного интеллекта обсудили в блоке Next Big Thing.
• Для каких задач необходима технология получения информации из изображений и видеопотока, которая позволяет распознавать объекты реального мира без участия человека, разобрались в блоке «Компьютерное зрение».
• О новом способе получения и анализа больших данных, о людях и их перемещениях без использования и обработки персональных данных рассказали спикеры блока «Геоаналитика».
• Как множество различных датчиков, объединенных между собой проводными и беспроводными каналами связи и передающих данные, позволяют компьютеру получать представление о протекающих процессах и предпринимать определенные действия — рассказали спикеры блока «IoT и промышленные решения».
• Как делать выводы на основе текстовой информации, обсудили в блоке «Текстовый анализ».

Неформальная часть конференции fAil Stories прошла при поддержке ODS Community. Практики рассказали про мифы и ошибки при работе с внедрением технологий искусственного интеллекта в бизнес.

Общий отчет с мероприятия можно найти по ссылке. Организационный партнер: Deworkacy Big Data.

Виталий Саттаров и Пётр Емельянов, представители UBIC Technologies, выступили в блоке Next Big Thing с темой «Как компаниям обмениваться данными, не обмениваясь ими». Они рассказали о применении протоколов совместных конфиденциальных вычислений в задачах машинного обучения.

Благодаря сервису Penxy мы можем поделиться с вами презентацией Виталия и Петра, которую можно не просто посмотреть, но и послушать.

После выступления аудитория задавала вопросы спикерам. Мы публикуем «публичное интервью» с Петром и Виталием.

Хорошие модели машинного обучения обычно нелинейные. Получается, при разделении вычислений теряется информация о распределении данных и точность вычисления предсказаний будет хуже, чем без разделения.

Во-первых, как вариант, любую нелинейную функцию можно апроксимировать. Во-вторых, есть способы считать нелинейность как есть. Но они тоже довольно сложные и долгие.

Ну и да, наверное, точность вычисления будет чуть-чуть хуже, но будет. А так не будет вообще.

Виталий, мне кажется, вопрос тебе. Какие правовые ограничения в России для использования MPC вы видите? Это же все равно будет работа с персональными данными. Насколько это легально?

Говорить о правовых ограничениях, когда правовой контекст очень быстро меняется, сложно. Какое-то время назад можно было телефон захешировать, и это было нормально – сейчас уже так нельзя.

А в целом, ограничения, скорее, во времени, а не в технологиях – любому безопаснику, математику, инженеру, руководителю подразделения можно объяснить, что это безопасно, но на это уйдет время.

Как на уровне архитектуры нейросети делятся между сторонами?

Попробую объяснить. Нейросеть – это веса, линейная комбинация ходов и нелинейность, которая вычисляется в нейроне. Вот так и делится.

Вес делится секретным образом. Грубо говоря, любое число можно разделить на некое количество случайных, но в сумме они дадут исходное – так делятся все веса. Собственно, это все что нужно. А дальше вычисления проводятся по MPC-протоколу, можно умножать, делить.

Смотреть все выступления.

Фото на обложке: Ai Stories