隐私机器学习驱动的下一代数据要素流通平台

人工智能

1. 痛点问题

目前数据在我国被确定为一个新的生产要素，本项目重点解决数据要素在流通过程中面临的“阿罗信息悖论”难题，在确保数据要素隐私性和安全性的前提下，实现数据要素的可信跨域协作，支持包括人工智能在内的多种数据驱动的应用，同时确保各数据参与方公平地分享数据要素跨域流通产生的收益。

2. 解决方案

本项目拟从数据供给可靠性、数据流通安全性、数据交易公平性、数据应用高效性四个方面展开研究，提出隐私机器学习驱动的安全可靠、公平高效的下一代数据要素流通平台，具体包含基于数据质量定量评估和安全性检验的数据可靠供给方案，以可扩展的多方隐私机器学习为载体的数据安全流通框架，贡献驱动的数据要素公平交易机制，和算法与硬件协同优化的高效隐私机器学习技术，全面助力数据要素发挥乘数效应。

图1 隐私机器学习驱动的安全可靠、公平高效的数据要素流通平台

服务数据要素流通的全链条，例如：政府公务数据运营、企业/政务/个人数据跨域建模、数据服务、数据要素跨境交易、私域数据的大模型训练等。预计市场规模在千亿以上。

已经完成产品原型开发，未来打造重点样板工程，做好宣传，在数据要素领域实现较高经济收益。

本项目的核心技术均孵化于清华大学网络研究院，研究成果已经在国际顶级的学术会议和期刊发表，得到国内外领域权威专家的认可，部分技术实力全球领先，并获得全部知识产权。相比于目前市场上存在的竞品，本项目的产品在创新性、性能、成熟度方面均有明显领先优势，具备较高产品壁垒。