腾讯Angel PowerFL联合项目团队不计其数iDASH-2021国际隐私计算大赛差分隐私赛道冠军

1月28日，iDASH-2021该协会隐私权算出竞赛结果在此之前公布，谷歌皓Angel PowerFL和谷歌确保安全重新组建项目他的团队草拟的设计方案，凭借后来居上的数学方法相关性和最快的悬疑加速获得线性隐私权赛道冠军。在2020年的iDASH 可信算出赛道上，谷歌皓也斩获冠军，成为中华人民共和国企业届首次在可信算出（SGX）赛道上夺冠的技术开发他的团队。

iDASH比赛是隐私权算出该协会最权威的比赛，已经举办八届，是由美国国立卫生研究成果院 (NIH) 主办，专注于皓环境下的隐私权算出问题和为中心隐私权保护措施的机器努力学习问题，已成为全球基因组原始数据隐私权保护措施和确保安全共享领域最高规格的该协会对抗赛。

历年来，iDASH该协会隐私权算出竞赛吸引了包括麻省理工学院、芝加哥大学、谷歌、IBM等在内的科学界及业界的顶尖他的团队参赛。上周更有EPFL、华盛顿大学、天普大学、新加坡A*STAR、IBM、三星集团、蚂蚁集团等在内的来自15个国家的69支参赛队伍参予竞逐，在区块链、映射加密、线性隐私权三个赛道中展开最弱。

其中，离线性隐私权赛道，竞赛组委亦会承诺参赛他的团队发挥作用基于线性隐私权的两方横向联邦议会努力学习数学方法培训，用于通过值得注意表型样本预测野生型并转色氨酸蛋白淀粉样心肌病。这里的主要挑战是要满足线性隐私权承诺，培训原始数据具有很稀疏的特点，并且两方保有的原始数据总括独立同地理分布的。

值得一提的是，上周iDASH-2021线性隐私权赛道吸引了来自全世界的30个顶级他的团队参赛选手参予竞逐，其中有9个参赛他的团队草拟了技术开发设计方案和发挥作用编译器，并获得了有效的比赛成绩。谷歌皓Angel PowerFL和谷歌确保安全重新组建他的团队草拟的技术开发设计方案在合理的时间段内已完成了满足线性隐私权承诺的两方联邦议会努力学习数学方法培训，获得了后来居上的数学方法相关性，且具有最快的数学方法悬疑加速。

在实际系统设计中，离线数学方法培训可以在允许的时间段内已完成，而离线数学方法悬疑需要一个系统加速，且数学方法相关性（或AUC）是首要指标。在谷歌草拟的设计方案里，首先，联邦议会努力学习各参予方并用指数有助于筛选重要特点用于数学模型，从而提高数学方法相关性和加快数学方法悬疑。

其次，参予方在其本地基于所选择的特点生成多个逻辑回归数学方法，并基于指数有助于选择数学方法发送给对方。最后，参予方通过对多个数学方法输出结果进行平均的方式也生成联邦议会系统设计软件努力学习数学方法。传统观念的基于联邦议会平均的联邦议会努力学习设计方案不能很好的处理非独立同地理分布原始数据，亦会导致联邦议会数学方法特性差。谷歌提供者的联邦议会系统设计软件努力学习设计方案，可以有效应对非独立同地理分布原始数据问题，提升联邦议会数学方法的相关性。

据明了，谷歌Angel PowerFL他的团队是国内较较早开展联邦议会努力学习研究成果和系统设计的他的团队，在大原始数据、地理分布式算出、地理分布式机器努力学习、地理分布式消息中间件、确保安全更进一步算出、数论等领域都有丰富的开发设计和系统设计科学知识，已发表近10篇联邦议会努力学习研究成果论文，草拟了50多件联邦议会努力学习技术开发发明专利申请，已完成多个商用隐私权算出和联邦议会努力学习的新产品开发设计。

谷歌皓确保安全隐私权算出平台Angel PowerFL源于谷歌的大原始数据和确保安全技术开发生态，支持超大规模原始数据量的更进一步重新组建数学模型和重新组建的测试，保有高性能和高容错性，且不依赖于可信中心节点，目前已经在谷歌内外部众多该公司场景中落地系统设计，并取得了很好的特性。

雷峰线下版权文章，未经授权禁止并转载。详情闻并转载举凡。

【以上具体内容并转自“雷峰线下”，不代表本线下站观点。未经授权不得并转载】