破解金融业AI应用隐私保护难题　蚂蚁数科推出大模型隐私保护方案|AI_新浪财经

　　随着大模型技术在金融业应用落地，算力成本与数据安全问题正成为规模化应用的主要挑战。与动辄超千万级的私有化算力成本相比，采用云算力来补充流量峰值算力，能极大地降低算力和运维成本。然而，这也会带来数据隐私与模型知识产权泄露等一系列风险。

　　为保护数据安全与模型产权，蚂蚁数科基于行业实践推出“摩斯大模型隐私保护在公有云场景的解决方案”，将隐私计算技术融入大模型应用全链路，构建覆盖数据和模型出域训推全生命周期的隐私安全防护体系，同时平衡数据安全与模型性能，为金融行业应用大模型提供可复制的实践路径。方案以其创新性以及产业实践入选了工业和信息化部新闻宣传中心评选的“2024年ICT优秀案例”。

　　据了解，该方案可以通过数据分类分级、隐私策略配置、隐私路线路由，对不同安全等级的数据采用不同的加密计算方式，满足不同场景的安全和性能要求。此外，在算力成本方面，通过混合云架构复用现有算力基础设施、按需升级域外算力策略，能够降低企业方应用大模型的算力成本。同时，方案还支持产品界面化可视化操作，并提供统一的API接口，支持不同系统间快速融合打通，降低开发成本。

　　值得一提的是，方案提供涵盖多种技术路线的隐私安全防护，采用拆分学习、TEE、脱敏等多种技术路线，并融合模型混淆和差分隐私等加密技术进行安全增强，性能和精度几乎无损。

　　目前，该方案已经在多家金融机构大模型应用项目中进行试点，是业内首个涵盖敏感数据分类、识别、隐私防护的实践标准，并在国内首批通过中国信通院大模型可信执行环境安全测评认证。

　　大模型要在产业界尤其是金融业真正落地生根、发挥价值，确保模型“安全可信”已是重要共识。除了保护数据隐私与模型安全，近期，蚂蚁数科在中关村论坛期间还发布了“可信智能体”技术框架，为大模型在企业落地应用提供可靠、可控及可优化的技术基础支撑，加速大模型在产业中实现深度融合与落地应用。　（安立）