|一次技术创新,让对手变成队友来保护你


在豆瓣高分神剧《权力的游戏》中 , 高达213米的绝境长城 , 护佑了冰火世界人类王国超过8000年 。 高大巍峨的城墙 , 不仅给人类带来抵御外族入侵的安全 , 也给人们带来了能够在此安居乐业的安全感 , 这是发展经济、繁荣社会必不可少的前置条件 。
在数字时代 , 信息的高速流动带动了整个社会效率的提升 , 但极个别犯罪分子将黑手伸向了互联网 , 通过有组织、有计划的网络攻击和数据窃取 , 给个人、商户乃至整个社会带来了巨大损失 。 为了应对网络黑产的威胁和滋扰 , 众多机构和厂商纷纷建立起厚实的网络防火墙与深深的数据护城河 , 这种筑城墙、挖护城河的网络防护方式大大提升了隐私保护和数据安全等级 , 保证了已经逐渐数字化的社会正常运转 。 但出于对自身数字资产的保护 , 各家公司建设的厚实城墙和护城河 , 客观上催生了很多“数据孤岛” 。
举个常见的例子 , 如今网络骗子作案 , 往往是在A手机应用中发布引诱入套的信息 , 在B手机应用中与受骗人沟通交流 , 而最终在C手机应用中完成资金转账 。 如果ABC三家的数据彼此独立而且割裂 , 让人很难凭借单一的环节判断出是否存在诈骗和黑产行为 , 对用户进行提前警示 , 遭到重大经济损失的用户只能事发后报警 , 追回损失的可能性大打折扣 。
如今越来越多的黑产开始运用AI、大数据等先进技术来作案 , 我们亟需一种全新应对黑产的思路和工具 。 支付宝安全实验室和支付宝AI部门合作的共享智能、联合风控技术的出现 , 让不同企业可以在保证各自数据隐私和商业机密的前提下 , 通过加密通信联合共建风控模型 , 进而可以形成更加全面、客观、准确、及时的方法论 , 提升整个行业乃至社会的隐私保护和数据安全主动防御能力和等级 。
【|一次技术创新,让对手变成队友来保护你】 共享智能如何做到“数据可用不可见”?
智能共享技术的出现 , 实现了隐私保护和联合风险防控两者兼得 , 那么它具体的实现原理是什么?在这个实现过程中克服了哪些技术难题?
支付宝的工程师给我们打了一个形象的比方:有一张地图 , 三个人各有一部分 , 大家都不愿意让其他人知道自己的这部分内容 , 却要通过完整地图奔赴目的地 。 怎么办?
第一种 , 是中心化训练模型方法 。
比喻场景:三个人找辆自动驾驶车 , 大家把地图放到车里的自动驾驶系统 , 车子读地图 , 把大家分别带到目的地 。
在实际技术场景下 , 各方把一部分数据特征信息融合到共同可信的TEE硬件上进行模型训练 , 这种硬件(比如Intel的SGX)只能在CPU的核心层解密、访问数据 , 无法泄露到系统之外 , 相当于在一个没有出入口的密闭可信计算环境中完成了模型训练 , 因而各方面都无需担心数据泄露 。 当模型训练完成时 , 再部署回自己的服务器上 。
|一次技术创新,让对手变成队友来保护你
本文插图

第二种 , 是分布式MPC共享智能 。
比喻场景:找出拥有当前地点那部分地图的人 , 他看地图 , 其它两个蒙上眼睛跟着走 , 这个人的地图走完后 , 换另一个人的地图 , 有地图的人带路 , 没有地图的人蒙眼睛 。
在实际技术场景下 , 在整个链接中 , 参与方的隐私数据始终由各自保留 , 只是在自己的服务器上部署了一个额外的计算模块 , 多方通过计算模块交互密态的数据来完成数据分析及模型的训练 , 不但数据没出家门 , 而且计算过程中的衍生数据不能反推出原始数据的信息 , 其数据主权得到了充分的保障 。
|一次技术创新,让对手变成队友来保护你
本文插图

这两种方法各有优势 , 例如 , 中心化的方案接入成本比较低 , 分布式MPC的方案其安全技术相对透明 , 给用户带来的安全感更强 。 而支付宝共享智能技术 , 则选择了两者的融合发展 , 各自优势都能根据实际应用落地进行发挥 , 效果更为理想 。


推荐阅读