避免AI技术瓶颈！MIT提出不降速的云AI

据外媒报道，美国MIT(麻省理工学院)提出一种可以保护基于云的AI系统，可以在不降低速度的情况下保护云计算的AI人工智能。这种基于云的AI人工智能系统的安全性非常重要，特别是当人们使用像照片或医疗记录这样的敏感数据时。

迄今为止，使用传统方法，使得加密数据可以使机器学习系统如此缓慢，以致于几乎无法使用。

然而，值得庆幸的是，美国MIT提出一种GAZELLE形式的解决方案，这项技术使用加密卷积神经网络且不会出现急剧减速。更关键的是将两种现有技术融为一体，避免了这些方法产生的常见瓶颈。

首先，用户依靠“乱码电路”方法将数据上传到AI，该方法采用输入并向会话的每一方发送两个不同的输入，为用户和神经网络隐藏数据，同时使相关输出可访问。然而，如果该方法被用于整个系统，则通常过于密集，因此MIT在发送给用户之前，使用更高要求的计算层的同态加密(它既取又产加密数据)。同态方法须引入噪声才能工作，因此它只限于在传输信息之前一次压缩一层。简而言之：MIT正在根据每一方做得最好的方式分担工作量。

测试结果表明，其方法性能比传统方法快了30倍，MIT承诺按照他们的要求将所需的网络带宽缩减一个数量级。传统方法迫使公司和机构要么建立昂贵的本地神经网络，要么完全忽略基于AI人工智能的系统。而MIT提出的云AI方法将会导致更多使用基于互联网的神经网络来处理重要信息。例如，医院可以让AI发现MRI扫描中的医学问题，并与其他医院专家或医生共享，而不暴露患者数据和隐私。敏感数据即保持安全性，又保持时效性。