人工智能（Artificial Intelligence）风云回复。
Rosetta的做法是通过隐私计较算法将AI框架里的种种根基操纵（称为“算子”，operation）转化为“隐私算子”，即算子的成果不产生改变，同时支持在隐私掩护前提下的利用。因此，AI开拓者可以很容易地用各类百般的隐私算子，通过组合，构建出开拓者想要的AI模子，而且是在数据提供方支持以隐私掩护的方法举办模子练习和模子揣度。
Rosetta回收了暗码学算法作为底层技能支撑。出于机能的思量，暗码学算法凡是回收C/C++作为编程语言，而TensorFlow的底层实现也回收了C/C++。Rosetta在保持底层 C/C++ 实现暗码算法高机能的同时，有机地团结TensorFlow框架中对付并行计较的家产级优化，在保持易用性的前提下，依然担保算法的高效性。
2. Rosetta：隐私AI的底层基石
充实操作TensorFlow框架的家产级优化支持种种平台
而在当下，人工智能的成长也面对着诸多问题。个中焦点即是数据与人工智能的干系。
从实用角度来说，Rosetta开源框架是面向 AI 开拓者、AI 研究人员的东西。与此同时也需要相识、熟悉隐私计较技能的开拓者与研究人员来支撑和完善Rosetta。
好比实现一个逻辑回归练习，从Rosetta的角度来看，其实算子的表达式都是与Tensorflow一致的，仅需要在措施的头部举办一些小小的窜改，好比加载数据集的代码从原先的明文读取数据文件改为Rosetta的长途毗毗邻口的方法。
机动性
高效性
Rosetta的目标和期望是可以兼容各类主流的AI框架。当前版本的Rosetta是以TensorFlow作为首选，可以低落熟悉TensorFlow的AI工程师利用隐私计较的技能门槛。假如已经有了一个AI应用，那么工程师只需要修改少少量的代码，就可以将原先的应用迁移到隐私计较的框架下。
今朝人工智能在与数据相关的各类应用场景中得到了遍及的利用。个中呆板进修、深度进修等技能通过收集大量的数据举办练习得到模子，之后在差异的场景下操作模子对单个用户的数据举办处理惩罚。AI在模子练习和揣渡进程中，种种数据不绝被归集，而AI的模子自己也长短常重要的一种数据，可以说，数据是承载AI不绝成长的沃土。
1. 人工智能的“掣肘”
Rosetta支持对同一个隐私算子差异技能的实现方法，因此可以更好地去适配差异的业务场景。Rosetta支持种种隐私计较算法，包罗暗码学中的安详多方计较、零常识证明、同态加密以及联邦进修和可信执行情况。
Rosetta完全保存了TensorFlow的接口 API。
Rosetta正是由此而生。Rosetta名字取自古埃及的罗塞塔石碑（Rosetta Stone）。其上记实着古埃及象形文字，埃及草书和古希腊文三种文字。这里Rosetta寓意着承载和团结隐私计较、和AI三种典范的技能。
从蒸汽时代到电气和信息化时代、再到将来的数字化时代，汗青变局的机会期再一次缓缓展开，人工智能作为新一轮科技革命与数字化革新的重要驱动引擎，已经成为各国度科技竞争主导权的焦点规模。人工智能正在深刻改变着政治、经济、糊口等模式轨迹，在不知不觉中影响着社会成长。
AI技能利用的根基模式是通过不绝收集数据举办练习来优化AI模子。但当前这一模式已经碰着了极大的瓶颈——数据隐私问题。同时，数据作为一种极为非凡的资产，拥有数据的企业也不肯意真正地互相分享。数据的多样性直接抉择了模子的精度，进而抉择了贸易本钱与风险。从 AI 算法的角度来看，数据越多越好；从隐私掩护的角度来看，数据袒露得越少越好。这种内涵的“抵牾”已经成为 AI 技能进一步利用的最大障碍。
Rosetta开源框架通过隐私计较技能，可以在担保数据隐私的前提下举办 AI 模子的练习与揣度。最大限度地操作数据的多样性，也最大限度地担保数据隐私。
实现隐私计较的焦点技能是暗码学，而这是一门较为巨大，进修曲线较高，涉及多类数学理论的学科。让AI开拓者去熟悉和把握巨大的暗码学协议和算法是十分不现实的。另一方面，AI算法繁琐巨大，假如用暗码学算法来逐一举办定制，本钱很是高，既倒霉于Rosetta后续的扩展，也倒霉于开拓者利用。
导入一行代码即可将TensorFlow代码转换成隐私计较模式

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。