本文版權(quán)為《郵電設(shè)計(jì)技術(shù)》所有，如需轉(zhuǎn)載請(qǐng)聯(lián)系《郵電設(shè)計(jì)技術(shù)》編輯部
摘 要：AI模型的訓(xùn)練和優(yōu)化高度依賴海量數(shù)據(jù)，這些數(shù)據(jù)的來(lái)源呈現(xiàn)顯著的多樣性與分散性，傳統(tǒng)的數(shù)據(jù)共享機(jī)制面臨著數(shù)據(jù)泄露、數(shù)據(jù)篡改、隱私保護(hù)等問(wèn)題。在此背景下，構(gòu)建AI模型數(shù)據(jù)安全共享方案成為當(dāng)務(wù)之急。該方案依托區(qū)塊鏈與同態(tài)加密技術(shù)，可確保訓(xùn)練數(shù)據(jù)無(wú)需離開(kāi)本地，通過(guò)聯(lián)盟協(xié)作訓(xùn)練實(shí)現(xiàn)AI模型開(kāi)發(fā)。通過(guò)這種方式，能在更大范圍內(nèi)實(shí)現(xiàn)數(shù)據(jù)的安全共享，進(jìn)而充分釋放AI模型的巨大潛力。
關(guān)鍵詞：AI模型；區(qū)塊鏈；同態(tài)加密；數(shù)據(jù)安全
doi：10.12045/j.issn.1007-3043.2025.09.007
引言
人工智能（AI）技術(shù)的迅猛發(fā)展高度依賴大量高質(zhì)量數(shù)據(jù)，數(shù)據(jù)共享作為整合多方數(shù)據(jù)資源的有效手段，能夠大幅提升AI模型的準(zhǔn)確性與泛化能力。然而，AI模型數(shù)據(jù)常涉及敏感信息，如個(gè)人隱私數(shù)據(jù)、企業(yè)商業(yè)機(jī)密等。傳統(tǒng)數(shù)據(jù)共享方式在數(shù)據(jù)安全與隱私保護(hù)方面存在諸多漏洞，例如2023年某醫(yī)院病歷數(shù)據(jù)庫(kù)遭黑客攻擊，導(dǎo)致10萬(wàn)條隱私數(shù)據(jù)泄露，直接經(jīng)濟(jì)損失超2000萬(wàn)元，這些問(wèn)題嚴(yán)重阻礙了數(shù)據(jù)的有效共享。
現(xiàn)有研究已嘗試探索數(shù)據(jù)安全共享模式，早期方案多依賴集中式隱私計(jì)算，但存在計(jì)算開(kāi)銷大、單點(diǎn)故障風(fēng)險(xiǎn)等問(wèn)題。近年來(lái)，區(qū)塊鏈與AI的融合成為研究熱點(diǎn)：Google提出的聯(lián)邦學(xué)習(xí)框架實(shí)現(xiàn)了隱私保護(hù)，但缺乏對(duì)模型參數(shù)篡改的防御機(jī)制；全同態(tài)加密算法雖能支持任意計(jì)算，但計(jì)算復(fù)雜度極高，難以適配AI模型的大規(guī)模訓(xùn)練；部分同態(tài)加密算法在浮點(diǎn)數(shù)計(jì)算上更適用于AI場(chǎng)景，但現(xiàn)有方案未明確密鑰分布式管理策略。
相比之下，本方案創(chuàng)新提出“區(qū)塊鏈+橫向聯(lián)邦學(xué)習(xí)+同態(tài)加密”的三層融合架構(gòu)，在支持跨機(jī)構(gòu)協(xié)作訓(xùn)練的同時(shí)，通過(guò)智能合約實(shí)現(xiàn)數(shù)據(jù)權(quán)屬的動(dòng)態(tài)更新。
