0 引言

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術的發(fā)展，以及智慧城市、智慧醫(yī)療、電子商務等應用的廣泛普及，每天都有海量的數(shù)據(jù)產(chǎn)生，這些數(shù)據(jù)蘊涵了大量有價值的信息。但是另一方面，數(shù)據(jù)不足正成為當下制約人工智能發(fā)展的一大瓶頸。例如，深度神經(jīng)網(wǎng)絡需要大量數(shù)據(jù)來訓練，但現(xiàn)實中大多數(shù)領域只有少量數(shù)據(jù)集可用，如自動駕駛只有數(shù)個公開數(shù)據(jù)集，醫(yī)學圖像領域不僅數(shù)據(jù)集少，且每個數(shù)據(jù)集僅包含數(shù)十或數(shù)百個病例。造成這種現(xiàn)象的原因主要有兩個方面，一是原始數(shù)據(jù)必須經(jīng)過清洗和標注才能使用，而這一過程不僅費時費力，更可能需要專業(yè)人士的介入；二是目前各行各業(yè)的數(shù)據(jù)主要由政府和企業(yè)在收集，出于行業(yè)競爭、數(shù)據(jù)安全、管理制度等方面的考慮，這些數(shù)據(jù)不能被共享，形成了許許多多的數(shù)據(jù)孤島。如何在保護數(shù)據(jù)和使用數(shù)據(jù)之間取得平衡，是當下迫切需要解決的問題[1]。

一些企業(yè)和機構已經(jīng)或正在建設數(shù)據(jù)共享和交易平臺來促進數(shù)據(jù)流通，如Exchange、數(shù)據(jù)堂、上海數(shù)據(jù)交易中心等。但目前這些平臺多以交易數(shù)據(jù)為主，用戶在付費之后擁有對數(shù)據(jù)的永久/指定期限訪問權，可以在數(shù)據(jù)上執(zhí)行任意計算來挖掘感興趣的信息。這會帶來兩個問題，一是如果這些數(shù)據(jù)中包含敏感信息，直接開放給用戶下載會帶來數(shù)據(jù)安全問題；二是難以控制用戶對數(shù)據(jù)進行非法復制和傳播，數(shù)據(jù)可能被用于不正當用途。其實很多時候用戶只想利用數(shù)據(jù)來訓練他們需要的模型，對原始數(shù)據(jù)本身并不感興趣，向用戶提供數(shù)據(jù)的功能性服務而非直接提供數(shù)據(jù)，可以在一定程度上解決數(shù)據(jù)保護和數(shù)據(jù)使用之間的矛盾。比如，交通管理部門可在自有的城市出行數(shù)據(jù)上，為社會學研究人員訓練用于分析人群移動規(guī)律的數(shù)學模型。

本文提出面向數(shù)據(jù)共享的模型訓練服務系統(tǒng)，允許機構或企業(yè)利用自有數(shù)據(jù)集和自有計算資源，向用戶提供模型訓練服務(當然機構可以向用戶收費，但這不在本文討論的范圍內(nèi))。用戶只需指定需要的數(shù)據(jù)集并上傳自定義的模型結構(本系統(tǒng)主要考慮深度學習模型)，系統(tǒng)可自動完成模型訓練作業(yè)，并向用戶返回訓練好的模型，真正實現(xiàn)“數(shù)據(jù)可用不可見”。提供數(shù)據(jù)的功能性服務接口而非數(shù)據(jù)本身，對于消除數(shù)據(jù)孤島、促進數(shù)據(jù)安全流通具有極為積極的作用

本文詳細內(nèi)容請下載：http://www.jysgc.com/resource/share/2000004854

作者信息：

魏宏原1，2，華  蓓1，2，林  飛1，2

(1.中國科學技術大學 計算機科學與技術學院，安徽 合肥230027；

2.中國科學院無線光電通信重點實驗室，安徽 合肥230027)