富数-AnonymFL

本文学习文章“2022 WAIC｜「全匿踪联邦学习」AnonymFL正式发布：破解用户ID暴露难题，实现真正合规可信的隐私计算”，记录笔记。

引言

2022年08月26日，富数科技宣布实现了“全匿踪联邦学习”，突破了无需安全求交、不泄露交集ID、在全匿名数据集下进行联邦学习的技术难题。

2022年09月01日，在2022 世界人工智能大会的“可信AI论坛”上正式发布全新产品「全匿踪联邦学习」AnonymFL，解决了目前隐私计算方案中普遍存在的“缺少个人同意“、”ID泄露“的重大法律风险问题，让机构之间的数据要素价值流通真正合规可信。

好像没开源，这是核心产品。

好奇具体用了什么算法。

• 先混淆，再对齐。

背景

机构和机构之间进行纵向联邦学习，中间不能少的一步就是安全求交、样本对齐。按照目前行业内的普通采用的安全求交技术（PSI），包括基于RSA、基于OT等不同的技术路线，都有一个共同的特点——只保护交集之外的样本不被暴露，交集之内的用户ID必须在所有参与方进行同步（同步即暴露）。因为不同步就无法进行后续的联邦训练。

那么把ID进行哈希加密（这里应该是单纯的哈希，不是加密（加随机数））共享是不是就完全合规了？答案是否定的，因为ID哈希加密依然可以唯一识别到特定自然人，在实际应用场景下，交集之内的用户ID在未经个人用户的授权下也违背了《个人信息保护法》要求。因此，不少机构的法务部门会要求暂缓通过隐私计算对外进行数据服务合作，但也有部分机构在夸大隐私计算技术安全的承诺下，实施商业化项目，却并没有消除用户ID暴露的风险。

为了攻克这个技术瓶颈，富数科技自主研发了「全匿踪联邦学习」AnonymFL——实现在无交集泄露的、匿名化的多方数据集上进行联邦学习。按照《个人信息保护法》“第四条，个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。”，匿名化处理后满足各项合规要求。

ID哈希加密属于匿名化么？所以说把ID哈希后暴露到底违法么？

介绍

和普通的安全求交不同，全匿踪的样本对齐，经过了密态混淆，参与方无法得知对方每一行样本ID，就连自己的每一行样本ID也无从知晓，交集ID可实现不被泄露的同时又保持对齐。之后再执行密态条件下的匿名化，得到一个完全不再是个人信息的数据，即使进行解密，也无法识别到个人（这是上面仅哈希做不到的！）。

如何处理数据？混淆、匿名化的？

经过了匿名化处理后的样本，参与方持有的是全匿样本的碎片，包括碎片化的标签、碎片化的特征。里面的样本有的是相交的，有的是不相交的。不在交集里的样本也参加训练，但它的值是一个共享的密态0，所以虽然参与计算，但不会产生任何结果上的影响。（混淆？）

整个流程和经典的纵向联邦逻辑回归基本一致，密态计算sigmoid，密态计算损失值，密态计算梯度，进行迭代直到收敛。计算量和通信量会有所增加，但耗时依然在可接受的范围内，依然保持了高性能和高精度。

特性

1. 不暴露样本交集

与传统联邦学习不同：AnonymFL不再使用安全求交输出双方共同的样本ID集合，而是让多于交集的样本一起进入到联邦学习计算（混淆）。参与各方无法获取有哪些样本参与了联合建模，从而避免暴露各自的用户ID。富数科技自研创造的匿踪样本对齐算法：在保持匿踪的条件下，实现了参与各方的样本对齐。针对匿踪对齐的样本，又设计了匿踪的联邦学习算法：在保持匿踪的条件下，进行联合建模，迭代训练直到收敛。

2. 实现真正的匿名化

为了进一步满足《个人信息保护法》合规要求，AnonymFL增加了对匿踪对齐的样本集的匿名化算法处理。经过匿名化算法处理的匿踪对齐样本集，无法识别到特定自然人且不能复原。（即先对齐，再匿名化）

对匿名化后的样本集将不再属于个人信息，并不再需要获得用户的授权同意，可以进行各种合规的计算、建模和加工处理，是一种保留了高价值、又安全合规的可流通的数据要素。

3. 保持高性能、高精度

富数科技在保证安全的首要基础上，对匿踪对齐算法、匿名化算法、匿踪联邦学习算法进行了计算量和空间存储的优化，实现了性能的可用性，同时保持精度不降低。

扩展

• 匿名化。只有将用户信息匿名化，才能使用用户信息。
• 泄漏信息。计算传输过程中，可能会泄漏中间信息。
• 合谋。部分参与方可能会合谋，获取额外信息。

应用

应用到了反欺诈、联合营销等用户授权难度高，而应用需求又非常迫切的实际场景中。

未来，我们也将积极将其拓展到智慧民生、智慧医疗、智能政务、智能汽车等高价值数据要素流通场景中去，为实现全国数据资源流通“一盘棋”目标贡献力量。