Intel® Tiber™ Secure Federated AI
Melindungi data sensitif dan kekayaan intelektual sekaligus meningkatkan akurasi model.
Sekarang dalam Beta – Layanan Pembelajaran Federated Turnkey untuk Melatih Model AI pada Data Pribadi
Pembangun memerlukan set data dunia nyata yang beragam untuk menciptakan model AI yang kuat dan dapat digeneralisasi, tetapi peraturan privasi menyulitkan untuk mendapatkan set data berbasis data privat dan sensitif. Pembelajaran terfederasi menawarkan solusi, tetapi arsitektur dapat sulit untuk diskalakan, dikelola, dioperasikan, dan diterapkan.
Tantangan ini adalah alasan mengapa Intel mengembangkan Intel Tiber Secure Federated AI, suatu layanan turnkey yang dirancang untuk melatih model AI secara aman pada data privat dengan menggunakan pembelajaran terfederasi.
Memulai
Melindungi data sensitif dan kekayaan intelektual sekaligus meningkatkan akurasi model.
Intel® Tiber™ Trust Services
Pelajari lebih lanjut tentang portofolio lengkap.
Hubungi Konsultan
Mulai percakapan dengan perwakilan Intel untuk mendiskusikan penerapan terbaik bagi kebutuhan unik Anda.
Manfaat Produk
Intel Tiber Secure Federated AI menggunakan teknik keamanan, kriptografi, dan algoritmik berbasis perangkat keras untuk membantu memastikan keamanan tingkat tinggi untuk model serta data. Dengan menyediakan implementasi turnkey dari OpenFL, layanan ini menawarkan beberapa keunggulan utama bagi pelanggan kami.
Keamanan dan Privasi yang Disempurnakan
Menerapkan langkah-langkah keamanan zero-trust untuk melindungi data sensitif dan kekayaan intelektual model.
Akurasi Model yang Disempurnakan
Melatih produk AI Anda pada set data yang lebih besar dan lebih beragam untuk meningkatkan kualitas serta generalisasi.
Efisiensi Operasional
Mengontrol biaya dengan mengurangi upaya redaksi dan duplikasi data.
Kepatuhan Regulasi
Menerapkan kontrol akses terkait siapa yang menggunakan data Anda dan bagaimana data tersebut digunakan.
Membangun di Atas Fondasi OpenFL
Intel Tiber Secure Federated AI dibangun di atas OpenFL, suatu kerangka kerja pembelajaran terfederasi sumber terbuka.
Alih-alih mengirim data ke server pusat, pelatihan terfederasi memungkinkan pelatihan model secara lokal pada setiap perangkat, dengan hanya pembaruan model yang dibagikan dan digabungkan untuk meningkatkan model secara keseluruhan. Hal ini membantu menjaga privasi dan keamanan data, mematuhi persyaratan kedaulatan data, serta melindungi kekayaan intelektual.
OpenFL telah digunakan secara luas di beberapa industri dan merupakan satu-satunya kerangka kerja pembelajaran terfederasi yang disetujui untuk digunakan pada International Space Station.
Kasus Penggunaan
Penelitian Medis Kolaboratif
Penyedia layanan kesehatan, rumah sakit, klinik, dan perusahaan penelitian kesehatan telah menggunakan model AI serta Machine Learning untuk menganalisis jutaan set data pasien untuk membantu memahami, memprediksi, dan mencegah berbagai jenis penyakit dengan lebih baik.
Intel Tiber Secure Federated AI dapat digunakan untuk melatih model AI/ML, yang memungkinkan beberapa pihak untuk berkontribusi terhadap model dengan membawa algoritma ke data. Hal ini membantu meningkatkan hasil klinis, karena model AI lebih kuat dan dapat digeneralisasi, sementara rumah sakit dan klinik mempertahankan kendali atas data pasien yang sensitif.
Penemuan Obat Awal
Penemuan dan pengembangan terapi baru adalah proses yang intensif sumber daya yang memerlukan keahlian domain khusus. Model machine learning generatif telah muncul sebagai alat yang canggih untuk penemuan obat, tetapi performa dan generalisasinya sangat bergantung pada data yang sering bersifat terpisah di berbagai institusi penelitian serta perusahaan.
Menggabungkan data ini dapat menangkap distribusi yang lebih komprehensif dan representatif, yang mengarah ke model yang lebih tangguh. Namun, hal ini tidak layak karena privasi dan masalah hukum lainnya, tekanan kompetitif, serta kendala teknis.
Intel Tiber Secure Federated AI dapat digunakan untuk melatih model ini tanpa menggabungkan set data. Hal ini memungkinkan perusahaan untuk berkolaborasi secara aman dalam pelatihan model sekaligus mengelola kekhawatiran tentang privasi data.
Deteksi Penipuan
AI dan machine learning semakin digunakan untuk mendeteksi penipuan secara real time, tetapi banyak bank kecil dan menengah tidak memiliki volume data transaksi yang diperlukan untuk melatih model deteksi yang tangguh. Beberapa bank dapat menggabungkan data penipuan mereka tetapi tidak dapat melakukannya karena masalah peraturan.
Intel Tiber Secure Federated AI dapat digunakan untuk melatih model deteksi penipuan secara aman di beberapa bank tanpa memindahkan data. Hal ini dapat membantu mengurangi kerugian dengan deteksi penipuan yang lebih akurat.
Pertanyaan Umum
Pertanyaan Umum
Intel® Tiber™ Secure Federated AI adalah layanan turnkey yang dirancang untuk melatih model AI secara aman pada data privat dengan menggunakan pembelajaran terfederasi. Hal ini membantu memastikan bahwa data selalu tetap berada dalam kustodi pemilik data, di mana pun data disimpan – di tempat, cloud publik, atau cloud privat. Layanan ini menggunakan keamanan berbasis perangkat keras, metode kriptografi, serta teknik algoritmik untuk membantu memastikan privasi dan keamanan tingkat tinggi untuk model dan data.
Pembelajaran terfederasi atau federated learning (FL) adalah teknik machine learning yang memungkinkan model AI dilatih di beberapa perangkat atau server terdesentralisasi yang memegang sampel data lokal, tanpa memindahkannya. Alih-alih mengirim data ke server pusat, pelatihan terfederasi memungkinkan pelatihan model secara lokal pada setiap perangkat, dengan hanya berbagi dan menggabungkan pembaruan model guna meningkatkan model secara keseluruhan. Metode ini semakin menjaga privasi dan keamanan data, membantu memastikan kepatuhan dengan undang-undang kedaulatan data, serta menawarkan perlindungan kekayaan intelektual yang disempurnakan.
Intel Tiber Secure Federated AI dibangun di atas OpenFL, suatu kerangka kerja pembelajaran terfederasi sumber terbuka yang dikembangkan oleh Intel sebagai bagian dari proyek Linux Foundation LF AI and Data. OpenFL telah digunakan secara luas di berbagai industri seperti asuransi, farmasi, dan layanan kesehatan, serta merupakan satu-satunya kerangka kerja pembelajaran terfederasi yang disetujui untuk digunakan pada International Space Station.
Dengan menyediakan implementasi turnkey dari OpenFL, Intel Tiber Secure Federated AI menawarkan dua keunggulan utama bagi pelanggan kami:
Konfigurasi yang disederhanakan: Menyediakan proses penyiapan yang ramah pengguna untuk membantu mengurangi kompleksitas dan waktu yang diperlukan dalam membangun lingkungan pembelajaran terfederasi.
Fitur keamanan yang disempurnakan: Menerapkan langkah-langkah keamanan zero-trust yang dirancang untuk melindungi data sensitif dan kekayaan intelektual model.
Pembangun model memerlukan set data dunia nyata yang beragam untuk menciptakan model AI yang tangguh serta dapat digeneralisasi. Intel Tiber Secure Federated AI dirancang untuk meningkatkan pengembangan model dengan teknik yang aman dan menjaga privasi yang membantu organisasi melatih model secara kolaboratif pada data terdistribusi.
Intel Tiber Secure Federated AI dirancang untuk memungkinkan kolaborasi data dengan memungkinkan institusi untuk melatih model AI dengan menggunakan data terdesentralisasi sekaligus menjaganya tetap aman dan privat. Layanan ini menggunakan keamanan berbasis perangkat keras (termasuk komputasi rahasia, pengesahan beban kerja dan perangkat keras), metode kriptografi, serta teknik algoritmik yang dirancang untuk privasi dan keamanan tingkat tinggi untuk model serta data.
Data Anda disimpan secara lokal di setiap lokasi atau institusi data dalam sistem AI terfederasi, di mana pemilik data mempertahankan kustodi penuh atas set data sensitif mereka tanpa perlu membuatnya tersentralisasi. Pendekatan terdesentralisasi ini membantu memastikan data Anda tetap aman dan privat, sekaligus memungkinkan pelatihan dan evaluasi model yang kolaboratif.
Hubungi perwakilan Intel Anda untuk mendapatkan informasi lebih lanjut tentang produk dan program beta kami.