0 引言

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)的發(fā)展，以及智慧城市、智慧醫(yī)療、電子商務(wù)等應(yīng)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(yùn)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(dāng)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(luò)需要大量數(shù)據(jù)來訓(xùn)練，但現(xiàn)實中大多數(shù)領(lǐng)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(xué)圖像領(lǐng)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(biāo)注才能使用，而這一過程不僅費(fèi)時費(fèi)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(hù)數(shù)據(jù)和使用數(shù)據(jù)之間取得平衡，是當(dāng)下迫切需要解決的問題[1]。

一些企業(yè)和機(jī)構(gòu)已經(jīng)或正在建設(shè)數(shù)據(jù)共享和交易平臺來促進(jìn)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(fèi)之后擁有對數(shù)據(jù)的永久/指定期限訪問權(quán)，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(jìn)行非法復(fù)制和傳播，數(shù)據(jù)可能被用于不正當(dāng)用途。其實很多時候用戶只想利用數(shù)據(jù)來訓(xùn)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(wù)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(hù)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(xué)研究人員訓(xùn)練用于分析人群移動規(guī)律的數(shù)學(xué)模型。

本文提出面向數(shù)據(jù)共享的模型訓(xùn)練服務(wù)系統(tǒng)，允許機(jī)構(gòu)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(xùn)練服務(wù)(當(dāng)然機(jī)構(gòu)可以向用戶收費(fèi)，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(jié)構(gòu)(本系統(tǒng)主要考慮深度學(xué)習(xí)模型)，系統(tǒng)可自動完成模型訓(xùn)練作業(yè)，并向用戶返回訓(xùn)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(wù)接口而非數(shù)據(jù)本身，對于消除數(shù)據(jù)孤島、促進(jìn)數(shù)據(jù)安全流通具有極為積極的作用

本文詳細(xì)內(nèi)容請下載：http://www.rjjo.cn/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(xué)技術(shù)大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，安徽 合肥230027；

2.中國科學(xué)院無線光電通信重點實驗室，安徽 合肥230027)