Azure 機密運算 (ACC) 可提供解決方案的基礎,讓多方共同協力處理資料。 有多種方法存在,且日益壯大的合作夥伴生態系統幫助 Azure 客戶、研究人員、資料科學家與資料提供者在維護隱私的同時協作處理資料。 本概觀涵蓋其中一些可供使用的方法和現有解決方案,而且全都是在 ACC 上執行。
什麼是資料和模型保護?
資料潔淨室解決方案通常提供一種方式,讓一個或多個資料提供者能夠合併資料進行處理。 通常,提供者會同意由參與者之一(如研究者或解決方案提供者)所創建的程式碼、查詢或模型。 在許多情況下,這些資料是敏感的,不應直接與其他參與者分享,無論是其他資料提供者、研究人員或解決方案供應商。 為了協助確保資料潔淨室中使用的資料和模型的安全性與隱私,機密運算可透過密碼學方式驗證參與者無法存取資料或模型,包括在處理期間。 透過使用 ACC,解決方案能保護資料與模型 IP 免受雲端營運商、解決方案提供者及資料協作參與者的侵害。
產業使用案例有哪些範例?
透過使用 ACC,客戶與合作夥伴能打造保護隱私的多方數據分析解決方案,有時稱為「機密資料潔淨室」。 這些解決方案可以是全新建置的機密解決方案,也可以是利用 ACC 將現有的資料潔淨室解決方案轉為機密解決方案。
- Scotiabank - 證實運用 AI 識別跨銀行資金流中的洗錢活動並標記人口販運事件的可行性,使用 Azure 機密運算及解決方案合作夥伴 Opaque。
- Novartis Biome:採用 BeeKeeperAI 在 ACC 上執行的合作夥伴解決方案,據以尋找罕見疾病的臨床試驗候選項目。
- 領先的支付服務商 會跨銀行連結數據,以進行詐欺與異常偵測。
- 資料分析服務 與資料潔淨室解決方案使用 ACC 來提升資料保護,並符合歐盟客戶合規需求及隱私規範。
為何使用機密運算?
資料潔淨室並非全新概念。 然而,機密運算的進步為利用雲端規模、更廣泛的資料集、保護 AI 模型的智慧財產權,以及更好地符合資料隱私規範提供了更多機會。 在先前的案例中,某些資料可能會因為如下原因而無法存取
- 競爭劣勢,或法規禁止產業內各公司之間共用資料。
- 匿名化降低了資料深入解析的品質,或是成本過高且耗時。
- 資料繫結至特定位置,並因安全考量而避免在雲端中處理。
- 昂貴或冗長的法律程序可處理資料外洩或濫用的責任問題。
這些現實可能會導致資料集不完整或無效,從而進一步弱化深入解析,或需花費更多時間來訓練和使用 AI 模型。
組建潔淨室解決方案時需要考慮哪些事項?
批次分析與即時資料管線:設計或使用資料潔淨室解決方案時,請考慮資料集的規模與洞察速度。 當資料可離線取得時,您可以將其載入經過驗證且安全的計算環境,以便對大量資料,甚至整個資料集進行分析處理。 這種批次分析方法允許用模型和演算法評估大型資料集,而這些模型和演算法通常不會立即給出結果。 例如,批次分析在數百萬份健康紀錄中進行機器學習推論,以尋找臨床試驗的最佳候選者時效果良好。 其他解決方案則需要即時數據洞察,例如當演算法與模型旨在識別多實體間近即時交易中的詐欺時。
零信任參與:機密資料潔淨室的一大差異在於,能夠不信任任何參與方,從資料提供者、程式碼和模型開發人員、解決方案提供者,到基礎結構營運管理員皆然。 解決方案可同時保護資料和模型智慧財產權,使其不受任何一方存取。 在導入或建置解決方案時,參與者應考慮想要保護哪些程式碼、模型和資料,以及要防範哪些對象存取這些內容。
聯邦學習: 聯邦學習涉及建立或使用解決方案,其中模型在資料擁有者的租戶中處理資料,而洞察則彙整於中央租戶中。 在某些情況下,模型甚至可以在 Azure 以外的資料上運行,模型聚合仍會在 Azure 中進行。 聯邦學習通常會在彙整洞察並改善模型參數後,反覆對資料進行迭代處理。 模型的反覆運算成本和品質應納入解決方案和預期的結果中。
資料落地和來源:客戶的資料會儲存在多個雲端和內部部署中。 共同作業可以包含來自不同來源的資料和模型。 潔淨室解決方案可促進資料和模型從這些其他位置傳入 Azure。 資料無法從內部部署資料存放區移至 Azure 時,某些潔淨室解決方案可以在資料所在的網站上執行。 管理與原則可由通用解決方案提供者 (如果有) 提供。
程式碼完整性與機密帳本:透過在 Azure 機密運算上運行的分散式帳本技術(DLT),你可以打造跨組織網路運行的解決方案。 程式碼邏輯和分析規則只有在各參與者達成共識時才會加入。 所有程式碼更新都會透過 Azure 機密運算啟用的防篡改日誌記錄以供稽核。
有哪些選項可供開始使用?
Azure 機密清理室 (預覽)
Azure 機密潔淨室(ACCR)專為需要安全地與其他組織分享隱私敏感資料(例如個人識別資訊(PII)或受保護健康資訊(PHI))的組織而設計,以獲取關鍵業務洞察、利用其他組織的敏感資料微調機器學習模型以提升準確性,或與合作夥伴組織對聯合資料進行安全分析。 ACCR 會在 Azure 容器實例上使用機密容器,以確保您的數據會受到其他共同作業者和 Azure 作員的保護。 其應用範圍涵蓋醫療、廣告、銀行與金融服務,以及零售等多個產業。
您可以透過提交此 表單報名參加ACCR預覽。
協助啟用機密潔淨室的 ACC 平台供應項目
開始動手,直接在這些機密運算服務供應項目上組建資料潔淨室解決方案。
Azure 容器執行個體(ACI)上的機密容器與機密虛擬機節點池提供建構機密潔淨室方案的容器解決方案。 Intel SGX 的 enclave 選項仍可用於特殊情境。
機密虛擬機器 (VM),可為機密潔淨室解決方案提供 VM 平臺。
安全記憶體保護區中的 Azure SQL AE,會提供平台服務來加密 SQL 中的資料和查詢,可供多方資料分析和機密潔淨室使用。
機密聯盟架構為一種開放原始碼架構,可供組建高可用性具狀態服務,此類服務使用集中式運算來落實易用性和效能,同時提供分散式信任。 它可讓多方對機密資料執行可稽核的計算,而不需要彼此信任或擁有特權的操作員。
啟用機密潔淨室的 ACC 合作夥伴解決方案
選擇在 Azure 機密運算平台上打造多方資料分析解決方案的合作夥伴。
- Anjuna 會提供機密運算平台來支援包括安全潔淨室在內的各類使用案例,讓組織共用資料以進行聯合分析,例如計算信用風險分數或開發機器學習模型,而不公開敏感性資訊。
- BeeKeeperAI 可透過演算法擁有者和資料負責人的安全共同作業平台來啟用醫療保健 AI。 BeeKeeperAI 在機密運算環境中,利用多機構受保護資料進行隱私保護分析。
- Decentriq 提供以機密運算為基礎的 SaaS 資料潔淨室,可實現安全的資料共同作業,而無需共用資料。 資料科學潔淨室允許靈活的多方分析,而媒體和廣告的無程式碼潔淨室可根據第一方使用者資料實現符合規範的受眾啟用和分析。 Microsoft 部落格上的這篇文章將更詳細地說明機密潔淨室。
- Duality Technologies 可讓多方分析和 AI 應用於參與者無法集中管理的資料。 它依據每個工作負載的需求,結合了機密運算與可信執行環境、完全同態加密、聯邦學習,以及差異性隱私,同時,在跨部門或跨組織的情況下,每個資料集仍由其擁有者控制。 應用案例包括跨機構臨床與真實世界證據研究、詐欺偵測及反洗錢分析。
- Fortanix 提供一個機密運算平台,能支援機密 AI,包括支援多個組織共同協作進行多方分析。
- Opaque 為共同作業分析和 AI 提供機密運算平臺,讓您能夠執行共同作業可調整分析,同時進行資料端對端保護,並讓組織遵守法律和法規授權。