我们非常接近一种忠实于每个用户追求的加密方法：隐私。 通过共享个人或专业数据，每天都会出现数十亿数据泄露风险。 英特尔作为全球技术巨头之一，它再次成为主角，这项举措将改变机器学习实现其目标的方式。
数据处理中的隐私是现实
在医院中，通过远程放射学服务对患者进行研究。 获得的所有信息均经过加密，并与放射线专家共享。 该专业人员执行所有必要的处理，同时仍对数据进行加密。 不必解密生成的数据，并且一旦获得结果，它们也将被加密。 仅在进行最终检查并将诊断发送给患者时，才执行解密。 您认为有可能吗？
英特尔提出了一项名为 同态的 加密 . 机器学习是 在针对人工智能的产品和服务中越来越重要。 因此，这些设备由大量数据供电和学习。 公司以及整个行业的挑战是越来越忠于此数据的隐私。
这种加密方法如何工作？
为了把自己放在上下文中，这个词 同态的 被解构为 -同性恋- （相同）和 -变形- （形成）。 这符合实际对加密数据执行常规操作的目的，而仅需在交付时解密它们即可。
ML处理的数据的共同点是仅当从源中捕获它们时才对它们进行加密。 但是，在处理时，它们被解密。 数据风险 侵犯隐私 各种攻击迫在眉睫，并带来灾难性后果。
听起来似乎太好了，但是从理论上讲，同态加密已经有20年的历史了。 在过去的五年中，加密数据处理技术取得了一些进步。 因此，与解密的数据相比，使用加密的数据需要更多的时间来操作这一事实已被忽略。
尽管英特尔在这种加密方法的实施方面处于领先地位，但它仍在继续就在ML中最适合数据隐私的协议达成协议。 Google，IBM， 微软 英特尔和其他巨头已经在半年前与英特尔进行了讨论。 另一个目标是将同态加密转换为基于ISO，IEEE，ITU和该行业其他公司的某些标准。
与它们一起使用时，有成千上万的机会可以保护数据的私密性。 甚至有可能为需要数据的部分和拥有数据的部分生成一种非常有利可图的透明的业务模型。 这是用户感知更多和 利益多于损失 ，当与其他方共享他们的数据时。
