GDPR, CCPA, HIPAA와 같은 데이터 프라이버시 규정은 금융 거래와 같은 민감한 데이터에 대한 AI 시스템을 교육하는 데 어려움을 겪습니다., 환자 건강 기록 및 사용자 장치 로그. 히스토리 데이터는 AI 시스템에 패턴을 식별하고 예측하기 위해 “가르치는” 것입니다.

최근 몇 년 동안 널리 사용되는 해결 방법 중 하나는 페더레이티드 학습입니다.기술 데이터를 교환하지 않고 데이터를 보유하는 여러 장치 또는 서버간에 시스템을 교육하여 공동 작업자가 데이터를 공유하지 않고 공통 시스템을 구축할 수 있도록 합니다. Intel은 최근 Penn Medicine과 제휴하여 연합 학습을 사용한 뇌종양 분류 시스템을 개발했으며, Novartis 및 Merck와 같은 주요 제약 회사 그룹은 창약을 가속화하는 연합 학습 플랫폼을 구축했습니다.

Nvidia (Clara를 통해)를 포함한 기술 거인은 페더레이션 학습을 서비스로 제공합니다. 그러나 새로운 스타트업인 DynamoFL은 앞으로 프라이버시를 희생하지 않고 성능에 중점을 둔 페더레이티드 학습 플랫폼에서 기존 기업에 대항하고 싶습니다.

DynamoFL은 2명의 MIT 전기공학과와 컴퓨터 과학의 PhD인 Christian Lau와 저에 의해 설립되었습니다. 지난 5년간 프라이버시를 보호하는 머신러닝과 머신러닝을 위한 하드웨어에 종사해 왔습니다. “우리 GDPR 및 CCPA와 같은 새로운 프라이버시 규정에 비추어 페더레이티드 학습을 사내에서 구축하려는 주요 금융 및 기술 기업으로부터 반복 작업 제안을 받은 후 페더레이티드 학습의 거대한 시장을 발견 했습니다. 이 과정에서 이러한 조직이 사내에서 페더레이티드 학습을 시작하는 데 어려움을 겪고 있음이 분명했습니다. 우리는 시장에서이 격차를 해결하기 위해 DynamoFL을 구축했습니다. “

DynamoFL — 있다고 주장한다 자동차, 사물 인터넷, 금융 부문의 주요 고객은 시장 개척 전략의 초기 단계에 있습니다. (스타트업에는 현재 4명의 직원이 있으며 연말까지 10명을 고용할 예정입니다.) 을 추정하지 않고 향상시키는 기능을 제공하고 있습니다. 전투 중 시스템 교육에 사용되는 데이터를 탐지할 수 있는 ‘멤버 추론’ 공격과 같은 연합 학습의 공격 및 취약성.

이미지 크레딧: 다이나모 FL

“우리의 개인화된 페더레이티드 학습 기술은…[s] 기계 학습 팀은 모델을 미세 조정하여 개별 코호트의 성능을 향상시킵니다. 이를 통해 경영진은 이전에 블랙박스 솔루션으로 간주되었던 기계 학습 모델을 배포할 때 자신감을 높일 수 있습니다. “ 무간탄은 말했다. “이 [also] Devron, Rhino Health, Owkin, NimbleEdge 및 FedML과 같은 전통적인 페더레이티드 학습의 일반적인 과제를 다루는 경쟁사와는 획일적입니다. “

DynamoFL은 또한 플랫폼을 프라이버시를 보호하는 다른 A I 포인트 솔루션에 비해 비용 효율적인 것으로 홍보합니다. S페더레이티드 학습은 중앙 서버에서 데이터를 대량으로 수집할 필요가 없기 때문에 DynamoFL은 데이터 전송 및 계산 비용을 줄일 수 있다고 Mugunthan은 주장합니다. 예를 들어 고객은 페타바이트 단위의 원시 데이터가 아닌 작은 증분 파일만 보낼 수 있습니다. 추가적인 이점은 단일 서버에 많은 양의 데이터를 저장할 필요가 없기 때문에 데이터 유출의 위험을 줄여줍니다.

차등 프라이버시 및 페더레이티드 학습과 같은 일반적인 프라이버시 강화 기술은 오랫동안 ‘프라이버시 및 성능’의 절충에 시달리고 있습니다. 모델을 교육하는 동안 더 강력한 프라이버시 보호 기술을 사용하면 필연적으로 모델의 정확성이 떨어집니다. 이러한 심각한 병목 현상 과제로 인해 많은 기계 학습 팀은 규제 프레임 워크를 준수하면서 사용자의 개인 정보를 보호하는 데 필요한 개인 정보를 보호하는 기계 학습 기술을 채택 할 수 없었습니다. 그리고 Mugunthan은 말합니다. “DynamoFL의 맞춤형 페더레이티드 학습 솔루션은 머신러닝 채택에 대한 심각한 장애물을 해결합니다.”

최근 DynamoFL은 Y Combinator, Global Founders Capital 및 Bases Set가 참여한 작은 시드 라운드(평가 3,500만 달러에서 415만 달러)를 닫았습니다. 이 시작은 Y Combinator의 2022년 겨울 배치의 일부입니다. Mugunthan에 따르면 수익은 주로 DynamoFL 기술을 미래의 사용자 친화적 인 제품에 통합 할 수있는 제품 관리자를 채택 할 것으로 예상됩니다.

“판데믹은 의료의 새로운 위기를 위해 다양한 데이터를 신속하게 활용하는 중요성을 돋보였다. 위기의 시대에 어떻게해야 할지 강조했습니다.”라고 Mugunthan은 계속했습니다. “우리는 기술의 감속을 극복하기에 충분한 위치에 있습니다. 현재 활주로는 3~4년 있습니다.경기 감속은 실제로 우리의 채용 활동을 돕고 있습니다. 가장 큰 기술 기업은 주요 페더레이티드 학습 과학자의 대부분을 채택했기 때문에 빅테크에서의 고용 둔화는 최고의 페더레이티드 학습과 기계 학습 인력을 채용할 기회를 제공합니다. 했다. “

Leave a Reply

Your email address will not be published.