インテル® Tiber™ セキュア・フェデレーテッド AI
モデルの精度を向上させながら、機密データと知的財産を保護します。
現在ベータ版 – プライベート・データに対する AI モデルのトレーニングのためのターンキーの連合学習サービス
堅牢で汎化性のある AI モデルを作成するには、ビルダーは、多様な実環境のデータセットを必要としますが、プライバシー規制により、プライベートな機密データに基づくデータセットの取得が困難です。連合学習はソリューションを提供しますが、アーキテクチャーの拡張、管理、運用、および導入は困難な場合があります。
これらの課題に対応するために、インテルはインテル® Tiber™ セキュア・フェデレーテッド AI を開発しました。これは、連合学習を活用してプライベート・データ上で AI モデルを安全にトレーニングするために設計されたターンキー・サービスです。
始める
モデルの精度を向上させながら、機密データと知的財産を保護します。
インテル® Tiber™ トラスト・サービス
ポートフォリオ全体の詳細。
コンサルタントに問い合わせる
個別のニーズに最適な認証の導入については、インテルの担当者にお問い合わせください。
製品のメリット
インテル® Tiber™ セキュア・フェデレーテッド AI は、ハードウェア・ベースのセキュリティー、暗号化、そしてアルゴリズム技術を使って、モデルとデータ両方の高度なセキュリティーを確保します。このサービスは、OpenFL のターンキー実装を提供することで、ユーザーにいくつかの重要なメリットをもたらします。
セキュリティとプライバシーの強化
機密データとモデルの知的財産を保護するために、ゼロトラスト・セキュリティー対策を実施します。
モデルの精度の向上
品質と汎化性を向上させるために、大規模で多様なデータセット上で貴社の AI 製品のトレーニングを行いましょう。
運用効率
データの重複と削除の作業を減らすことで、コストを管理します。
法規制の準拠
貴社のデータの使用者およびその使用方法に関して、アクセス制御を強化しましょう。
OpenFL の基礎の上に構築する
インテル® Tiber™ セキュア・フェデレーテッド AI は、オープンソースの連合学習フレームワークである OpenFL 上に構築されています。
連合トレーニングでは、中央サーバーにデータを送信するのではなく、各デバイス上でモデルをローカルにトレーニングできます。ただし、モデル全体の改善のために、モデルのアップデートだけは共有および集約されます。これにより、データのプライバシーとセキュリティーの保護、データ主権の要件の遵守、そして知的財産の保護が実現します。
OpenFL は、複数の業界にわたって広く使用されており、国際宇宙ステーションでの使用が承認された唯一の連合学習フレームワークです。
使用事例
医療における共同研究
ヘルスケア・プロバイダー、病院、クリニックや健康関連の研究企業は、AI と機械学習モデルを使用して何百万もの患者データセットを分析し、さまざまな種類の疾患や病気をより深く理解し、予測し、予防するために役立ててきました。
インテル® Tiber™ セキュア・フェデレーテッド AI は、AI/ML モデルのトレーニングにも使用可能で、アルゴリズムをデータに適用することで、複数の当事者がモデルに貢献できるようになります。これによって、病院やクリニックは機密性の高い患者データの管理を維持しながら、より堅牢で汎化性の高い AI モデルを臨床結果の改善に役立てられるようになります。
早期の創薬
新しい治療法の発見と開発は、特定の分野の専門知識を必要とし、膨大なリソースを消費するプロセスです。生成機械学習モデルは創薬の強力なツールとして出現しましたが、そのパフォーマンスと汎化性は、往々にして研究機関や企業でサイロ化されているデータに大きく依存しています。
このデータを組み合わせれば、より包括的で典型的な分布を把握して、より堅牢なモデルを導き出すことが可能です。ただし、プライバシーやその他の法律面での懸念、競争のプレッシャー、そして技術的制約のために、その実現は不可能です。
インテル® Tiber™ セキュア・フェデレーテッド AI なら、データセットを統合しなくても、これらのモデルのトレーニングに使用できます。これによって、企業はデータのプライバシーに関する懸念に対処しつつ、モデル・トレーニングで安全にコラボレーションできるようになります。
不正検出
AI と機械学習を活用したリアルタイムの不正検出はますます盛んになっていますが、多くの中小規模の銀行は、堅牢な検出モデルをトレーニングするのに必要となる大量のトランザクション・データを持っていません。複数の銀行が不正データをプールをできれば良いのでしょうが、規制上の懸念があるため、それは不可能です。
インテル® Tiber™ セキュア・フェデレーテッド AI を使えば、データを移動させることなく、複数の銀行にまたがる不正検出モデルの安全なトレーニングが可能です。これにより、より正確な不正検出で、損失を軽減できます。
よくある質問 (FAQ)
よくある質問
インテル® Tiber™ セキュア・フェデレーテッド AI は、連合学習を活用してプライベート・データ上での AI モデルを安全にトレーニングするために設計されたターンキー・サービスです。このサービスによって、オンプレミスであれ、パブリック・クラウドやプライベート・クラウドであれ、データの保存場所に関係なく、データはいつでも確実にオーナーの管理下に置かれるようになります。このサービスは、ハードウェア・ベースのセキュリティー、暗号化手法、およびアルゴリズム技術を活用し、モデルとデータ両方で高度なプライバシーとセキュリティーを確保します。
連合学習 (FL) は、ローカル・データ・サンプルを保持している、複数の分散したデバイスやサーバーで、データを移動させることなく、AI モデルのトレーニングを可能にする機械学習の技術です。連合トレーニングでは、中央サーバーにデータを送信するのではなく、各デバイス上でモデルをローカルにトレーニングできます。ただし、モデル全体の改善のために、モデルのアップデートだけは共有および集約されます。この方法は、データのプライバシーとセキュリティーをますます保護し、データ主権に関する法律の遵守を確実にし、知的財産の保護を強化します。
インテル® Tiber™ セキュア・フェデレーテッド AI は、OpenFL 上に構築されています。これは、Linux Foundation LF AI ＆データ・プロジェクトの一環としてインテルが開発した、オープンソースの連合学習フレームワークです。OpenFL は、保険、製薬、そしてヘルスケアなど、さまざまな業界で広く使用されており、国際宇宙ステーションでの使用が承認された唯一の連合学習フレームワークです。
インテル® Tiber™ セキュア・フェデレーテッド AI は、OpenFL のターンキー実装を提供することで、ユーザーに 2 つの重要なメリットをもたらします。
コンフィグレーションの簡素化: ユーザーフレンドリーなセットアップ・プロセスを提供して、連合学習環境を確立するのに必要な複雑さと時間を軽減します。
強化されたセキュリティー機能: 機密データとモデルの知的財産を保護するために設計された、ゼロトラスト・セキュリティー対策を実施します。
モデル・ビルダーは、堅牢で汎化性のある AI モデルを作成するために、多様な実環境のデータセットを必要とします。インテル® Tiber™ セキュア・フェデレーテッド AI は、安全でプライバシーを保護する技術を使って、モデル開発を改善するために設計されており、分散データ上で複数の組織が連携してモデルのトレーニングを行うのを支援します。
インテル® Tiber™ セキュア・フェデレーテッド AI は、各種機関がデータの安全性とプライベートな状態を維持しつつ分散データを使って AI モデルのトレーニングできるようにすることで、データ・コラボレーションを可能にするよう設計されています。このサービスは、ハードウェア・ベースのセキュリティー (コンフィデンシャル・コンピューティングと、ハードウェアとワークロードの認証を含む)、暗号化手法、そしてモデルとデータ両方の高度なプライバシーとセキュリティーのために設計されたアルゴリズム技術を活用しています。
貴社のデータは、連合 AI システム上の各データサイトまたは機関にローカルに保存され、データ所有者は、データを一元化する必要なしに、自分の機密データセットを完全に管理します。この分散化されたアプローチは、コラボレーション・モデルのトレーニングと評価を可能にしながら、データの安全性とプライベートを確保するのに役立ちます。
製品とベータ・プログラムの詳細については、インテルの担当者にお問い合わせください。