聯邦學習:該技術允許AI模型用保存在許多不同設備或服務器上的數據進行訓練。因此,無需從單一設備獲取數據或對數據進行復制,模型就能開展學習。這可以被視為“共享模型,而不是共享數據”,創建一個從本地數據學習的全局模型。
安全多方計算:該技術主要能夠實現不同使用者能夠處理他們不想彼此共享的數據。它可以讓一組授權同意的使用者之間共享加密數據,并允許他們處理由所有方的個人數據組成的數據集,確不用訪問數據所有者的原始數據。
同態加密:該技術允許數據在加密后進行處理利用。比如說,可以從終端設備找到關鍵數據,對其進行運算處理,基于群組級洞察力來創建實用模型,根本不需要解密個人記錄。
可信執行環境:這是一種硬件特性的隱私保護技術,可在計算設備上創建安全區,能夠單獨執行某些批準的功能。智能手機使用這種環境可以進行用戶生物特征身份驗證,也可以創建可信執行環境,以便在個人數據上運行AI模型。
隨著數據和AI技能在許多組織普及開來,各種信息數據需要更廣泛地共享,實現其價值的最大化利用。在AI時代,確保個人隱私安全尤為重要也更加困難,因為借助當今的高速計算能力,連匿名化數據集都可以進行逆向工程處理,從而識別個人身份,并推測其隱私活動信息。傳統的數據保護措施難以滿足隱私保護要求,需要盡快了解并應用新一代隱私保護技術來保護智能化應用的安全開展。