AI関連技術は、目覚ましい進歩を遂げている一方、その学習に要する計算力、時間、そしてそのコストは増大し続けている。株式会社オルツでは、この課題を解決すべく、世界中に散在するGPUをピア・ツー・ピアで接続し、ネットワークを越えて単一のディープラーニングを行う計算基盤、「alt Emeth(以下、オルツ・エメス)」を開発した。
すでに、ネットワークを超えて異種混在な環境での学習処理が実現し、稼働しているが、アーキテクチャの性質上、データ秘匿性の課題を抱えていた。
今回、オルツの研究チームは、オルツ・エメス上で、学習データを秘匿したままディープラーニングを行う、「分散秘匿計算」の技法を確立した。
学習処理のジョブがオルツ・エメスに投入される際、その学習データが秘匿写像の方式で暗号化される。その後、オルツ・エメス上で繋がっている膨大な数のGPUノードから最適なノードが選定され、自動的にクラスタを形成する。このクラスタを形成する各ノードが、自身に割り当てられた分の暗号化されたデータを取得しに行き、それぞれが学習を行った上で、結果がマスターノードに集約される。
最終的に統合されたモデル自体も秘匿された状態にあるため、このモデルが第三者に漏洩した場合でも、その内容を読み取られることはない。モデルが使用される際、元の写像関数を用いて復号化する。
無料メルマガ会員に登録しませんか?
膨大な記事を効率よくチェック!
IoTに関する様々な情報を取材し、皆様にお届けいたします。