谷歌隱私交集和技術解析1—應用場景分析_Thropic:人工智能

在多方協作的過程中，涉及到隱私的問題已被關注已久。

如何解決呢？密碼學界提出了不少解決方案，例如全同態加密，多方計算。

這些技術都是通用的，放在任何一個需要的地方都可以。但是由于技術本身的特性，放在任何一個地方都會有或多或少的缺點。

谷歌發布的隱私交集開源庫(PrivateJoinandCompute)，展示了一個如何從學術界摘果子的范例。它是解決一個具體場景下的問題。

學術界、工業界以及商業界，是一個生物鏈。看似是做的不同的事情，但是互相之間是供給的關系。這就是我們常說的“產、學、研”。但是我們經常搞亂了角色，沒把自己的角色做好，反而要擔當多角色。

谷歌向人工智能公司Anthropic投資3億美元，Alameda曾向其投資約5億美元:2月4日消息，谷歌已向人工智能初創公司Anthropic投資約3億美元，據三位知情人士透露，谷歌將通過這筆交易獲得約10%的股份，交易條款要求Anthropic用這筆錢從谷歌云計算部門購買計算資源。

OpenAI和Anthropic都在尋求開發生成式人工智能，即可以在幾秒鐘內編寫腳本和創作藝術的復雜計算機程序。據知情人士透露，雖然微軟試圖將OpenAI 的技術整合到自己的許多服務中，但谷歌與Anthropic的關系僅限于在人工智能軍備競賽中充當該公司的技術供應商。Anthropic開發了一款名為Claude的智能聊天機器人，可與OpenAI的ChatGPT相媲美，但尚未公開發布。

此前消息，Alameda/FTX向Anthropic投資約5億美元。[2023/2/4 11:46:36]

谷歌是一家愿意嘗鮮的公司。我記得幾年前，格加密算法在理論界因為其抗量子特性火了的時候，谷歌率先在自己的服務器上部署了基于環LWE的密鑰交換協議，以測試其性能，為抗量子時代準備。不知為什么，幾個月后就恢復成原來的協議。

Blockchain.com宣布完成1.2億美元戰略融資 谷歌等參投:據官方消息，區塊鏈公司Blockchain.com今日宣布完成了一輪1.2億美元的戰略融資，投資方包括Moore Strategic Ventures（Louis Bacon）、Kyle Bass、Access Industries、Rovida Advisors、Lightspeed Venture Partners、Google Ventures、Lakestar、Eldridge等。[2021/2/17 17:24:49]

隱私交集和技術

隨著大數據的興起，機器學習無處不見，數據的隱私安全備受關注。例如，谷歌今年早期就開發出“密碼檢查器”，用戶可以提交自己的用戶名和口令進行查詢，系統通過與已經泄露的口令數據集對比，從而判定用戶口令的安全性。然而這一切都不會泄露用戶的隱私。該系統使用的是一種基于隱私交集(PrivateSet-Intersection)的安全多方計算技術，這項密碼學技術保障了多方協作卻不泄露用戶隱私。

閃電網絡錢包Lightning Wallet上線谷歌應用商店:Lightning Wallet是首個全面整合閃電網絡節點的錢包，該錢包已經在5月31日上線谷歌應用商店。可同時提供鏈上比特幣交易以及鏈下閃電網絡交易。另外，這也是首個可提供鏈下數據保護的閃電網絡錢包，一旦出現手機丟失等緊急情況，用戶可通過助記詞找回余額。[2018/6/2]

谷歌這次發布的隱私交集開源庫，基于的是一種稱為“隱私交集和(PrivateIntersection-Sum)”的技術。該技術能夠隱藏兩個數據集的交集，但是卻能顯示對其交集的匯總計算結果，例如統計交集中元素的數量等。

在某些場景下，這項技術非常有用。例如兩家公司，一家是廣告商，一家是銷售商。如果想知道有多少用戶是通過廣告商的廣告點擊，進入到銷售商家進行購買的，而且銷售額一共是多少。那么只要兩家公司分別提供兩個數據集，然后求交集，再求交集中用戶的數量以及交易額即可。但是，這兩家公司都不會愿意分享給對方自己的數據集。

怎么辦呢？

先看傳統解決方法。

傳統解決方法依賴于法律。這兩家公司先簽一個法律協議，協議中規定雙發分享各自的數據集，得到匯總數據后將數據集銷毀。如果不銷毀，導致數據泄露，將受到法律制裁。

然而，通過密碼學手段，可以無需依賴于法律。

通過隱私交集和技術可以對交集進行匯總，從而在不泄露雙方數據集的前提下，提供對交集的匯總信息。兩全其美。

隱私交集和技術提供了一個類似于法律合約的功能，無需法律合同就能夠讓你知道想知道的，卻不會知道的更多。這一切都是通過密碼學協議保證。

這和區塊鏈技術有異曲同工之處。

例如在上述應用場景下，最終可能得到的匯總信息是：1萬個客戶在看到廣告后購買了商品，總共購買金額100萬。其余什么都不知道。知其然而不知所以然。

上述場景是一個計算廣告轉化率的應用場景。谷歌提供的隱私交集和技術能夠在保護隱私的前提下，計算廣告轉化率。當然，還可以應用到其他領域的研究中，例如：醫療保健、車輛安全、公共政策、多樣性和包容性等研究中。

安全模型和不足之處

在谷歌開源庫中，其安全模型假設的是“誠實且好奇的敵手”。如果參與者違背了協議，他們可能會知道更多，不僅僅是規定的信息。因此，該協議不能確保使用協議的各方使用合法的輸入，或者防止任意輸入。有可能導致泄露的弱點。

例如有一個用戶消費金額很大，通過交集和匯總出的數據就很容易判斷出，該用戶是否在交集里。

Tags：PICANTThropic人工智能PICIPOSANTAWAR價格THROPICV2幣人工智能就業真實情況

Pol幣