据外媒报导，美国MIT（麻省理工学院）明确提出一种可以维护基于云的AI系统，可以在不减少速度的情况下维护云计算的AI人工智能。这种基于云的AI人工智能系统的安全性十分最重要，尤其是当人们用于像照片或医疗记录这样的敏感数据时。

迄今为止，用于传统方法，使得加密数据可以使机器学习系统如此较慢，实在太完全无法用于。然而，有一点难过的是，美国MIT明确提出一种GAZELLE形式的解决方案，这项技术用于加密卷积神经网络且会经常出现急遽滑行。

更加关键的是将两种现有技术融为一体，防止了这些方法产生的少见瓶颈。首先，用户依赖“乱码电路”方法将数据上传遍AI，该方法使用输出并向会话的每一方发送到两个有所不同的输出，为用户和神经网络隐蔽数据，同时使涉及输入可采访。

然而，如果该方法被用作整个系统，则一般来说过分密集，因此MIT在发送给用户之前，用于更高拒绝的计算出来层的同态加密（它既所取又出产加密数据）。同态方法需引进噪声才能工作，因此它只仅限于在传输信息之前一次传输一层。简而言之：MIT正在根据每一方做到得最差的方式承担工作量。测试结果表明，其方法性能比传统方法慢了30倍，MIT允诺按照他们的拒绝将必需的网络带宽削减一个数量级。

传统方法被迫公司和机构要么创建便宜的本地神经网络，要么几乎忽视基于AI人工智能的系统。而MIT明确提出的云AI方法将不会造成更加多用于基于互联网的神经网络来处置最重要信息。

例如，医院可以让AI找到MRI扫瞄中的医学问题，并与其他医院专家或医生分享，而不曝露患者数据和隐私。敏感数据即维持安全性，又维持时效性。

本文来源：澳洲幸运10官网历史开奖-www.bit5678.com