今天的整理來自螞蟻金服進階标準化工程師樸昕陽，為大家解讀共享智能标準以及共享智能技術的落地實踐。
【下載下傳PPT可點選以下連結：
https://space.dingtalk.com/s/gwHOAcHUugLOKYmHnAPaACA4NTVmODgwZDk0YTg0Yzk3OWUyNDA5YmVlNjNiY2QxMA密碼: kDDu】
以下為演講整理全文：
大家好，我是來自螞蟻金服技術戰略發展部的樸昕陽。不久前，由螞蟻金服牽頭制定的共享智能聯盟标準在AIIA（中國人工智能産業發展聯盟）正式釋出，這也是全國首個共享智能的聯盟标準。今天我将主要針對該标準進行解讀，同時有關共享智能的技術實踐，在這裡跟大家做一個分享。
今天的分享主要分為三部分，第一部分講解有關标準的分類與價值，第二部分解讀共享智能标準，第三部分介紹共享智能應用實踐。
标準的分類與價值
标準的分類，我們按照這四大類來分。首先按層級，其次按屬性，再次是按對象，最終是按性質。按層級來分，我們分為國際标準、國家标準、行業标準、地方标準以及企業标準；按屬性分，我們分為技術标準、管理标準以及工作标準；按對象分，分為基礎标準、安全标準、衛生标準、環保标準、産品标準、方法标準、管理标準等等；按照性質分，分為強制性标準、推薦性标準。當然強制性标準可能是一些國家标準，針對主要在安全方向或者隐私保護方向可能會制定一些強制性強制企業來遵守的标準。推薦性标準，顧名思義就是推薦性的标準，其次就是指導性技術檔案僅适用于國家标準和行業标準。
标準主要包括技術要求、實施指南、測評依據、管理、基礎協定以及創新研究。目前在螞蟻我們做得比較多的其實是技術要求類以及創新研究類的标準，因為螞蟻目前創新技術還是做得非常好，而且很多都是這種創新性的技術，是以我們希望把螞蟻本身創新性技術對外做一個技術輸出，同時也跟行業内感興趣甚至說一起想做相關性技術的合作公司進行标準的制定。
我相信現在在觀看直播的很多同學不是那麼了解标準，是以我對标準本身價值做一個簡單的介紹，它展現在四個方面：
首先在技術領先方面，是因為基于強大的技術研究實力，通過标準來引導技術方向，或者是輸出優秀的技術實踐，這個我剛剛也提到了。
第二個方向主要是在市場規則方面，參與标準與技術政策的制定，可以促成健康的市場規則。
第三個方面聚焦主流，引導行業聚焦主流的标準，防止旁流标準造成市場化的碎片化。
最後一個有關産業生态，聯盟就像類似一個産業生态一樣，基于聯盟标準組織可以凝聚行業本身共識來共建産業生态，促進技術商業化發展。通過标準工作引領行業發展的過程中，我們可以提升技術影響以及公司品牌價值，來破除産品進入市場的壁壘。同時實作ICT網絡互聯互通，以及提高相關産品研發品質，最終促進産業鍊上下遊合作。
共享智能标準解讀
剛剛我們也說，今年3月30日，《共享學習系統技術要求》在AIIA聯盟已經正式對外公開釋出了，這個标準由螞蟻金服來牽頭聯合八家産、學、研、用機構共同研究制定的。這八家機構分别是中國聯通、中國信通院、中國電信、阿裡巴巴集團、北京大學、中和農信、北京百度網訊科技公司以及雲從科技集團股份有限公司，在這裡也非常感謝這八家公司對我們标準本身的貢獻。
标準從制定到釋出大概用了将近一年的時間，是從去年5月份開始我們進行内部需求搜集到最終今年3月30日最終釋出，這個時間也算是比較長的。我這裡想簡單介紹一下，我們有關标準制定的節奏以及流程。
首先是關于标準化需求的搜集。在内部進行标準化需求收集之後，我們在相關聯盟以及協會去申請标準的立項。标準成功立項之後，我們會撰寫标準本身的草案。在螞蟻内部這個标準草案主要由标準化的同學主要撰寫，技術同學會給予相應一定的技術上幫助。标準草案這個完稿之後，我們會遞交到聯盟或者協會去做意見征求。這個意見征求的對象主要是面向聯盟或者協會的會員，大家一起來做标準的共建。經過大概兩到三輪左右的意見征求之後我們會進入送審稿的階段，送審稿我們基本整個稿子已經比較成熟了。
經過聯盟技術委員會評審之後，我們會進入報批稿階段，報批稿基本上這個标準可以對外釋出了，最終正稿之後我們标準釋出，再到标準實施的過程。标準實施當中可能會涉及到一些技術的更新，或者有一些新的需求，可能會反過來進行标準的修訂，這是整個标準制定的節奏和流程。
接下來我想講一講有關共享智能的技術背景，以及我們為什麼要做共享智能的标準。
随着資料孤島問題的突出，資料共享日益重要，但仍存在一些有關資料的非法買賣和濫用洩露等問題，公衆和政府日益重視資料隐私保護。我們知道歐盟GDPR法律也正式實施了，很多國家在争相效仿，對于資料隐私和安全的關注成為一種趨勢。
在滿足安全、隐私和監管等要求下，如何設計相應的架構來實作資料的多方協同和授權呢？這個需要更加準确和高效的模型和決策來進一步釋放資料價值，再嘗試建立對應的标準。
針對共享智能來說，目前我們知道人工智能存在的難題是魚和熊掌不可兼得，隐私性和可用性難以兼顧。如果你想要AI本身系統發揮作用，就可能要先犧牲隐私，但在大量的真實場景當中，如果不能同時兼顧到隐私性和可用性，會導緻很多AI落地的困境。
比如說我在這裡舉一個例子，首先是貸款的風控。如果使用者想要去銀行做貸款，先來到了銀行A，銀行A基于一些本地資料判斷這個A是一個壞人，我們不可以給他貸款，這個人就到了銀行B，但是銀行B沒有銀行A的這些資料，是以銀行B也許會把這筆貸款發放給使用者的本人。其實這樣的沖突比比皆是，都是因為資料不流通所導緻的。
我們看一下這張圖，在現實環境當中，有的地方是有一些短暫的連接配接，但是大多數資料屬于斷開或者不通的狀态。我們目标是想打通資料的孤島，用技術的方法來解決技術的問題，通過技術保護資料安全的情況下，實作一個資料的共享以及價值的傳遞。
對于共享智能我們希望達到資料可用不可見的目标，在多個參與方而且各個資料提供方與平台互相不信任的場景下，能夠和多方的資訊來進行機器學習，確定各個參與方隐私不被洩露，資料不被濫用。
接下來想介紹一下标準本身的範圍以及架構。我們在這次聯盟釋出共享智能标準，主要用于制定共享學習系統的技術要求來規範化共享智能的定義。包括技術架構以及流程，技術要求以及安全的要求。本身這個項目也适用于指導共享智能系統的設計、開發、測試、使用、運維管理等等。
這個标準當中的内容我們主要是包括了這幾大方面，一方面有關共享智能的概述，之後我也會大概講解一下，包括基于可信執行環境的共享智能系統，以及多方安全計算的共享智能系統。這兩部分都包括了不同的方案技術架構、功能組建、技術流程。同時對共享智能系統技術以及安全也做了一定的要求，附錄當中也進行了兩個場景與示例的撰寫，包括智能風控以及智能營銷。
有關共享智能（Shared Machine Learning）的定義，我在這裡做一個介紹。首先這個共享智能是由多個資料提供方參與，且在各個資料提供方與平台方互相不信任的場景下，平台能夠聚或者協助聚合多方資料資訊并保護多方資料隐私的學習範式。
在這個标準中，我們一共寫進去了兩個共享智能的方案，包括TEE（Trusted Execution Environment，可信執行環境的方案）以及MPC（Multi—Party Computation，安全多方計算的方案）。除卻這兩個方案之外，其實我們内部也在進行一些其他方向的技術方案的研究，後續我們會把它補充到我們标準當中去。
首先介紹一下可信執行環境方案。主要利用可信執行環境來解決多個資料提供方在進行共享智能時的隐私保護問題。它的技術架構主要是由計算平台以及多個資料提供方組成的。我們可以看到計算平台當中，包括融合學習、功能子產品以及認證子產品。對于每個資料提供方都包含了本地的資料以及針對資料處理和加密的子產品，以及認證的子產品。其中資料提供方在進行處理，對資料進行處理之後，通過認證子產品的公鑰加密，再上傳到計算平台。這個計算平台本身認證子產品，通過私鑰對加密資料進行解密之後，再發送給融合學習子產品，對解密之後的多方資料進行融合的機器學習來確定資料的隐私不被洩露。
這種方案其實是依賴可信硬體的，通過資料加密的方式，集中傳送到我們可信的平台當中。對于一些本身已經上雲的機構可以把所有的東西都存在雲上面，所有的技術都在雲上面部署。用這種方式可以非常快速便捷，同時又可以達到非常好的隐私保護的效果，這是TEE的技術方案。
針對MPC的技術方案，這個技術架構包括了模型平台以及同樣有資料提供方存在的。模型平台主要包括了控制子產品，資料提供方包括本地的資料以及本地部署的學習子產品所組成的。其中資料提供方的學習子產品可以通過互相之間來交換随機數或者加密參數的方式，在模型平台本身出發與協調下進行共享的繼續學習。模型平台收到學習子產品，就是各個資料提供方學習子產品，提供上來的訓練任務之後進行分解和協調，下發到各個資料提供方，本地的機器學習子產品可以交換随機數和參數，來完成共享智能的訓練，并最終得到一個共享智能的模型。這個方式本身是不涉及到硬體的，是偏軟體和密碼學的方案，是以中間出去的随機數以及加密的參數目前在業界隐私再加上人工智能結合的方向上，用這個方案還是比較多的，業界用MPC技術方案還是蠻多的。
接下來要介紹一下目前我們的共享智能标準，就像我最開始介紹的，我們按照層級來分類，其實我們在很多層級上都做了标準的布局，包括在國際标準方面上，我們在HOE以及ITOT都進行了标準的建立。在行業标準方面，我們在國内的CCSA（中國通信标準化協會）也進行了标準的立項，目前在意見征求稿推進當中。
在聯盟标準方面，我們在AIIA（中國人工智能産業發展聯盟）已經釋出了标準。在AIOSS(中國人工智能開源軟體發展聯盟)我們現在也在進行中，目前已經到報批稿的階段，可能馬上要釋出了。
共享智能應用實踐
接下來進行第三部分講解，有關共享智能應用實踐部分。
其實兩種方案在現實當中都有一定的落地應用實踐，包括TEE、MPC。首先TEE在安全風控的領域，我們首先聚合生态夥伴來建立安全的風控網絡。我們前面介紹的可信執行環境技術，把資料加密傳輸到網絡當中來，共模組化型來打擊虛假的交易以及團夥作案，大幅度的提升了風控準确率來實作風控網絡的進化。通過這樣的風控網絡平台，可以使得商家每天增加很多的交易，同時也降低了資損。
接下來是有關在螞蟻内部我們做的有關信貸聯合風控，是和江蘇銀行一起聯合來做的。主要為了聯合資料模組化來提升模型的性能。
還記得我們之前介紹的例子嗎？因為本身資料的不完整導緻風控決策的錯誤。現在通過共享智能技術我們雙方可以完成共同的模型建構。通過這樣機制來實作聯合的風控，可以使得這個效果大幅度的提升，同時在這個過程當中，資料的隐私得到了有效的保護。
接下來介紹一下有關共享智能我們獲得的一些行業獎項，包括在去年2019年我們在中國人工智能峰會上獲得了紫金産品創新獎，全球人工智能創業者大會上獲得的應用案例示範獎，同時在去年的世界人工智能産業安全上，獲得了十大創新實踐的稱号。同樣在去年的CCF，也就是中國計算機學會上我們獲得了科技進步優秀獎。共享智能是我們螞蟻内部做得非常成熟，而且應用落地實踐非常好的一項技術。
最後，希望無論是螞蟻的同學，或者是說外部一些公司如果對我們标準或者技術感興趣，歡迎加入到我們标準共建中來，我們可以一起進行相關技術的探讨。