基于機器學(xué)習(xí)框架TensorFlow的谷歌最新模塊，可以讓開發(fā)者只添加幾行額外代碼就能改善AI模型中的隱私。TensorFlow是目前用于構(gòu)建機器學(xué)習(xí)應(yīng)用程序最流行的工具之一，它被世界各地的開發(fā)人員用于創(chuàng)建文本、音頻和圖像識別算法等程序。而伴隨著 TensorFlow Privacy 的引入，這些開發(fā)人員能夠使用“差異隱私”的統(tǒng)計數(shù)據(jù)來保護用戶的數(shù)據(jù)。

谷歌產(chǎn)品經(jīng)理Carey Radebaugh向外媒The Verge透露，發(fā)布這款工具是谷歌履行對人工智能的承諾和愿景。他說道：“如果我們沒有為TensorFlow引入差異化隱私技術(shù)，那么無論是團隊內(nèi)部還是Google外部用戶在使用過程中就會發(fā)現(xiàn)有些不太簡單。因此對于我們來說將其引入TensorFlow是非常重要的，我們還將會對其進行開源，并開始圍繞著它創(chuàng)建新的社區(qū)。”

差異隱私的機制有點復(fù)雜，但它本質(zhì)上是一種數(shù)學(xué)方法，這意味著用于培訓(xùn)AI模型的用戶數(shù)據(jù)并不能編碼個人可識別信息。這是在AI模型中保護個人信息的常用方法：蘋果在iOS 10上引入了自家的AI服務(wù)的，而Google在Gmail的Smart Reply等部分AI功能中也使用到了這項技術(shù)。

已經(jīng)在的數(shù)據(jù)隱私領(lǐng)域工作了20年的谷歌研究科學(xué)家lfarErlingsson表示：差異化隱私技術(shù)以“數(shù)學(xué)確定性”消除了編碼個人數(shù)據(jù)的可能性，他表示這是一種從數(shù)據(jù)集中刪除可識別的異常值而不改變數(shù)據(jù)的聚合含義的技術(shù)。

谷歌的研究科學(xué)家lfarErlingsson說，他已經(jīng)在數(shù)據(jù)隱私領(lǐng)域工作了20年。 Erlingsson告訴The Verge，這是一種從數(shù)據(jù)集中刪除可識別的異常值而不改變數(shù)據(jù)的聚合含義的技術(shù)， “你的結(jié)果獨立于任何一個人的[數(shù)據(jù)]，但這仍然是一個很好的結(jié)果。”

【來源：cnBeta.COM】