据外媒报道，美国MIT（麻省理工学院）提出了一种AI系统，可以在不降低速度的情况下保护基于云的AI系统。
。
这种基于云的人工智能系统的安全性非常重要，特别是当人们处理照片或医疗记录等敏感数据时。
到目前为止，使用传统的数据加密方法可能会使机器学习系统变得非常慢，以至于几乎无法使用。
不过值得庆幸的是，美国麻省理工学院提出了GAZELLE形式的解决方案。
该技术使用加密的卷积神经网络，不会出现速度急剧下降的情况。
更重要的是，两种现有技术的集成避免了这些方法造成的常见瓶颈。
首先，用户依靠“乱码电路”方法将数据上传到人工智能，该方法接受一个输入并向对话双方发送两个不同的输入，对用户和神经网络隐藏数据，同时生成相关输出无障碍。
然而，如果用于整个系统，这种方法通常过于密集，因此 MIT 在将数据发送给用户之前使用要求更高的同态加密计算层（它既获取并生成加密数据）。
同态方法需要引入噪声才能工作，因此它仅限于在传输信息之前一次压缩一层。
简而言之：麻省理工学院正在根据各方最擅长的事情来分担工作量。
测试结果表明，其方法的性能比传统方法快了30倍，并且麻省理工学院承诺根据他们的要求将所需的网络带宽减少一个数量级。
传统方法迫使公司和机构要么构建昂贵的本地神经网络，要么完全忽略基于人工智能的系统。
麻省理工学院提出的云人工智能方法将导致更多地使用基于互联网的神经网络来处理重要信息。
例如，医院可以让人工智能在核磁共振扫描中发现医疗问题，并与其他医院专家或医生分享，而不会暴露患者数据和隐私。
敏感数据仍然安全且及时。