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。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
