Cleanroom ve Çok Partili Veri Analizi

Azure gizli bilgi işlem (ACC), birden çok tarafın veriler üzerinde işbirliği yapmasına olanak tanıyan çözümler için bir temel sağlar. Azure müşterilerinin, araştırmacılarının, veri bilimcilerinin ve veri sağlayıcılarının gizliliği korurken veriler üzerinde işbirliği yapmasına yardımcı olmak için çözümlere yönelik çeşitli yaklaşımlar ve büyüyen bir iş ortakları ekosistemi vardır. Bu genel bakış, tümü ACC üzerinde çalışan bazı yaklaşımları ve kullanılabilecek mevcut çözümleri kapsar.

Veri ve model korumaları nelerdir?

Veri temizleme odası çözümleri genellikle bir veya daha fazla veri sağlayıcısının işlenmek üzere verileri birleştirmesi için bir araç sunar. Genellikle sağlayıcılardan biri veya araştırmacı veya çözüm sağlayıcısı gibi başka bir katılımcı tarafından oluşturulan kod, sorgular veya modeller üzerinde anlaşmaya varılır. Çoğu durumda veriler başka bir veri sağlayıcısı, araştırmacı veya çözüm satıcısı gibi diğer katılımcılarla doğrudan paylaşılması konusunda hassas ve istenmeyen olarak değerlendirilebilir. Hem verilerde hem de veri temizleme odalarında kullanılan modellerde güvenlik ve gizlilik sağlamaya yardımcı olmak için gizli bilgi işlem, katılımcıların işleme sırasında da dahil olmak üzere verilere veya modellere erişimi olmadığını şifrelemek için kullanılabilir. Acc kullanarak çözümler bulut operatöründen, çözüm sağlayıcısından ve veri işbirliği katılımcılarından veri ve model IP'sine koruma getirebilir.

Sektör kullanım örnekleri nelerdir?

ACC ile müşteriler ve iş ortakları, bazen "gizli temiz odalar" olarak da adlandırılan çok taraflı veri analizi çözümlerini (hem benzersiz olarak gizli olan net yeni çözümler hem de ACC ile gizli hale getirilmiş mevcut temiz oda çözümleri) koruyan gizlilik oluşturur.

1. Royal Bank of Canada - Güvenli kuşatmalarda Azure gizli bilgi işlem VM'lerini ve Azure SQL AE'yi kullanarak kişiselleştirilmiş teklifler sunmak için satıcı verilerini banka verileriyle birleştiren sanal temiz oda çözümü.
2. Scotiabank – Azure gizli bilgi işlem ve çözüm ortağı Opaque kullanarak insan kaçakçılığı örneklerine bayrak eklemek üzere kara para aklamayı belirlemek için bankalar arası para akışlarında yapay zekanın kullanıldığı kanıtlandı.
3. Novartis Biome – nadir hastalıklara yönelik klinik deneme adaylarını bulmak için ACC üzerinde çalışan BeeKeeperAI'den bir iş ortağı çözümü kullandı.
4. Sahtekarlık ve anomali algılama amacıyla bankalar arasında veri bağlayan önde gelen ödeme sağlayıcıları.
5. Veri korumasını artırmak ve AB müşteri uyumluluğu gereksinimlerini ve gizlilik düzenlemesini karşılamak için ACC kullanan veri analizi hizmetleri ve temiz oda çözümleri.

Neden gizli bilgi işlem?

Veri temizleme odaları yepyeni bir kavram değildir, ancak gizli bilgi işlemdeki gelişmeler sayesinde daha geniş veri kümeleriyle bulut ölçeğinden yararlanma, yapay zeka modellerinin IP'sini güvenli hale getirme ve veri gizliliği düzenlemelerini daha iyi karşılama olanağı sunar. Önceki durumlarda, gibi nedenlerle belirli verilere erişilemez olabilir

• Sektör şirketleri arasında veri paylaşımını engelleyen rekabetçi dezavantajlar veya düzenlemeler.
• Anonimleştirme, veriler hakkındaki içgörülerin kalitesini azaltır veya çok maliyetli ve zaman alan bir özelliktir.
• Verilerin belirli konumlara bağlı olması ve güvenlik endişeleri nedeniyle bulutta işlenmemesi.
• Yüksek maliyetli veya uzun yasal süreçler, verilerin açığa çıkarılması veya kötüye kullanılması durumunda sorumluluğu kapsar

Bu gerçeklikler, daha zayıf içgörülere neden olan eksik veya etkisiz veri kümelerine veya yapay zeka modellerini eğitmek ve kullanmak için daha fazla zamana ihtiyaç duyulmasına neden olabilir.

Temiz oda çözümü oluştururken dikkat edilmesi gerekenler nelerdir?

Batch analytics ve gerçek zamanlı veri işlem hatları: Temiz oda çözümü tasarlarken veya kullanırken veri kümelerinin boyutu ve içgörülerin hızı dikkate alınmalıdır. Veriler "çevrimdışı" kullanılabilir olduğunda, veri kümesinin tamamı olmasa da verilerin büyük bölümlerinde veri analizi işlemesi için doğrulanmış ve güvenli bir işlem ortamına yüklenebilir. Bu toplu analiz, büyük veri kümelerinin hemen sonuç sağlaması beklenmeyen model ve algoritmalarla değerlendirilmesini sağlar. Örneğin toplu analiz, klinik bir deneme için en iyi adayları bulmak için milyonlarca sağlık kaydı arasında ML çıkarımını yaparken iyi çalışır. Diğer çözümler, algoritmaların ve modellerin birden çok varlık arasındaki gerçek zamanlıya yakın işlemler üzerinde sahtekarlığı belirlemeyi hedeflemesi gibi veriler hakkında gerçek zamanlı içgörüler gerektirir.

Sıfır güven katılımı: Gizli odalarda önemli bir fark, tüm veri sağlayıcılarından, kod ve model geliştiricilerinden, çözüm sağlayıcılarından ve altyapı operatörü yöneticilerinden güvenilir bir taraf olmamasıdır. Hem verilerin hem de model IP'sinin tüm taraflardan korunabileceği çözümler sağlanabilir. Bir çözüm eklerken veya oluştururken, katılımcılar hem nelerin korunmasının istendiği hem de kodun, modellerin ve verilerin her birinin kimden korunacaklarını dikkate almalıdır.

Federasyon öğrenmesi: Federasyon öğrenmesi, çözüm oluşturmayı veya kullanmayı içerirken modeller veri sahibinin kiracısında işlenir ve içgörüler merkezi bir kiracıda toplanır. Bazı durumlarda modeller Azure dışındaki verilerde bile çalıştırılabilir ve model toplama işlemi Azure'da gerçekleşmeye devam edebilir. Birçok kez, içgörüler toplandıktan sonra modelin parametreleri geliştikçe federasyon öğrenmesi verilerde birçok kez yinelenir. Modelin yineleme maliyetleri ve kalitesi çözüme ve beklenen sonuçlara katılmalıdır.

Veri yerleşimi ve kaynaklar: Müşterilerin verileri birden çok bulutta ve şirket içinde depolanır. İşbirliği, farklı kaynaklardan alınan verileri ve modelleri içerebilir. Temiz oda çözümleri, bu diğer konumlardan Azure'a gelen verileri ve modelleri kolaylaştırabilir. Veriler şirket içi veri deposundan Azure'a taşınamayınca, verilerin bulunduğu sitede bazı temiz oda çözümleri çalıştırılabilir. Yönetim ve ilkeler, kullanılabilir olduğu durumlarda ortak bir çözüm sağlayıcısı tarafından desteklenebilir.

Kod bütünlüğü ve gizli kayıt defterleri: Azure gizli bilgi işlem üzerinde çalışan dağıtılmış kayıt defteri teknolojisi (DLT) sayesinde, kuruluşlar arasında bir ağda çalışan çözümler oluşturulabilir. Kod mantığı ve analiz kuralları yalnızca çeşitli katılımcılar arasında fikir birliği olduğunda eklenebilir. Koddaki tüm güncelleştirmeler, Azure gizli bilgi işlem ile etkinleştirilen kurcalamaya dayanıklı günlük kaydıyla denetlenmek üzere kaydedilir.

Kullanmaya başlama seçenekleri nelerdir?

Gizli temiz odaları etkinleştirmeye yardımcı olan ACC platformu teklifleri

Bu gizli bilgi işlem hizmeti tekliflerinde kollarınızı sıvayın ve doğrudan veri temizleme odası çözümü oluşturun.

Uygulama kuşatmalarına sahip Azure Container Instances (ACI) ve Intel SGX VM'lerindeki gizli kapsayıcılar , gizli temiz oda çözümleri oluşturmaya yönelik bir kapsayıcı çözümü sağlar.

Gizli Sanal Makineler (VM'ler), gizli temiz oda çözümleri için bir VM platformu sağlar.

Güvenli kuşatmalardaki Azure SQL AE, çok taraf veri analizinde ve gizli temiz odalarda kullanılabilen SQL'deki verileri ve sorguları şifrelemek için bir platform hizmeti sağlar.

Gizli Konsorsiyum Çerçevesi , merkezi olmayan güven sağlarken kullanım ve performans kolaylığı için merkezi işlem kullanan yüksek oranda kullanılabilir durum bilgisi olan hizmetler oluşturmaya yönelik açık kaynak bir çerçevedir. Birden çok tarafın birbirine veya ayrıcalıklı bir operatöre güvenmeden gizli veriler üzerinden denetlenebilir işlem yürütmesini sağlar.

Gizli temiz odaları etkinleştiren ACC iş ortağı çözümleri

Azure gizli bilgi işlem platformunun üzerine çok taraflı bir veri analizi çözümü oluşturan bir iş ortağı kullanın.

• Anjuna , kuruluşların hassas bilgileri açığa çıkarmadan kredi riski puanlarını hesaplama veya makine öğrenmesi modelleri geliştirme gibi ortak analiz için veri paylaşması için güvenli temiz odalar da dahil olmak üzere çeşitli kullanım örneklerine olanak sağlayan gizli bir bilgi işlem platformu sağlar.
• BeeKeeperAI , algoritma sahipleri ve veri görevlileri için güvenli bir işbirliği platformu aracılığıyla sağlık yapay zekası sağlar. BeeKeeperAI™, gizli bilgi işlem ortamındaki çok kurumsal korumalı veri kaynakları üzerinde gizlilik koruma analizi kullanır. Çözüm, verileri ve algoritma IP'sini korumak için uçtan uca şifrelemeyi, güvenli bilgi işlem kuşatmalarını ve Intel'in en son SGX özellikli işlemcilerini destekler.
• Decentriq , verileri paylaşmadan güvenli veri işbirliğini sağlayan gizli bilgi işlem üzerine oluşturulmuş SaaS veri temizleme odaları sağlar. Veri bilimi temiz odaları esnek çok taraflı analize olanak tanır ve medya ve reklam için kod içermeyen temiz odalar, birinci taraf kullanıcı verilerine göre uyumlu hedef kitle etkinleştirme ve analiz olanağı sağlar. Gizli temiz odalar, Microsoft blogundaki bu makalede daha ayrıntılı olarak açıklanmıştır.
• Fortanix , çok taraflı analizler için birlikte çalışan birden çok kuruluş da dahil olmak üzere gizli yapay zekayı etkinleştirebilen gizli bir bilgi işlem platformu sağlar.
• Habu , işletmelerin akıllı, güvenli, ölçeklenebilir ve basit bir şekilde işbirliği zekası elde etmelerini sağlayan birlikte çalışabilir bir veri temiz oda platformu sunar. Habu daha iyi işbirliği, karar alma ve sonuçlar için departmanlar, iş ortakları, müşteriler ve sağlayıcılar arasında merkezi olmayan verileri birbirine bağlar.
• Mithril Security , SaaS satıcılarının güvenli kuşatmalar içindeki yapay zeka modellerine hizmet vermesine yardımcı olacak araçlar sağlar ve veri sahiplerine şirket içi güvenlik ve denetim düzeyi sağlar. Veri sahipleri, saas yapay zeka çözümlerini kullanarak uyumlu ve verilerinin denetiminde olabilir.
• Opaque , işbirliğine dayalı analiz ve yapay zeka için gizli bir bilgi işlem platformu sunarak verileri uçtan uca koruyarak kuruluşların yasal ve mevzuata uygun davranmasını sağlarken işbirliğine dayalı ölçeklenebilir analizler gerçekleştirme olanağı sunar.