案例基本内容和执行情况
本项目针对数据要素流通中的数据安全和隐私保护等问题,突破了联邦学习与多方安全计算混合引擎架构、密态数据联合统计与建模、基于指令集加速的高性能分布式联合计算、高性能安全对齐和匿踪查询算法、隐私计算互联互通数据和算法模块标准化等关键技术;形成了一套可信隐私计算技术体系,研建了基于隐私计算的可信数据要素市场共享平台,包含至少10种联邦特征工程算法、10种匿踪联邦算法,实现联邦模型评估算法,输出至少20种模型评估指标项,实现数据可信高效共享与数据隐私保护;并形成了标准化的隐私计算算法协议互联互通框架和跨平台隐私计算互联互通管理系统,支持千万级数据的可信互联互通,数据交易金额达到千万元级。本项目研究成果面向金融、政务领域开展了应用,向大型数据交易中心、金融机构等提供服务,解决了政府、金融机构、企业间跨域数据融合和隐私保护等问题,实现了数据价值的可信流转和共享,推动我国数据要素市场安全规范地运行。
案例主要经济成效和社会成效分析
(1)经济成效:本项目通过可信数据要素市场共享平台的应用,解决了政府、金融机构、企业间跨域数据融合问题,保障了信贷风险联合监测、跨机构黑名单共享等业务的安全性、高效性,有效避免多头借贷、票据欺诈、洗钱等金融风险;减少损失在千万元级别。项目建立数据要素市场规范与隐私保护体系,将规范与体系推广应用于全领域场景,成果转化合同或协议数预计超过15个,销售额超过千万元,经济效益显著,有望成为我国数据要素市场隐私保护应用模式革新的成功典范。
(2)社会成效:项目依托区块链与数据安全全国重点实验室、区块链安全与平台技术教育部工程研究中心、大数据联合计算中心等国家及省部级科研平台,以产学研用强强联合的方式凝聚优势互补的技术队伍,开展科技创新活动,推动我国和我省在数据要素市场的创新发展。通过突破数据要素可信共享关键技术,构建数据要素市场生态,依托行业龙头机构开展大规模应用验证示范,设计制定隐私计算算法协议原语定义规范,突破隐私计算互联互通数据和模块标准化技术,推动数据要素与实体经济的深度融合,根据可信隐私计算技术体系合理性、安全性和有效性的测试验证结构,有效指导我国和我省数据要素市场可信共享技术发展及产业化落地。具体如下:
1)通过可信数据要素市场共享平台研建,推动数据要素与隐私计算深度融合,构建数据要素可信共享生态环境;
2)汇聚高校、研究机构和产业化团队等开展协同攻关,突破隐私计算前沿技术和具有国际竞争力的关键和新型技术,在隐私计算领域培育一批能够覆盖前沿理论、工程技术、系统测试和产业应用的人才队伍,孵化具有国际影响力的自主创新科研团队与企业,为金融、政务等领域的数据要素应用创新提供人才保障,为我国数据要素战略提供坚实有力的平台和人才支撑。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。