9月9日消息，今年，360數科進一步推動隱私數據保護領域研究，提出分割式神經網絡技術框架(Spilt Neural Network)，并通過自主研發的一套系統實現算法落地。

　　據介紹，與傳統聯邦學習不同的是，分割式神經網絡技術框架輸出層數據的維度遠小于原始輸入層的維度，即使輸出層的數據沒有加密也無法反推原始輸入層的數據，從而在框架設計上杜絕了數據泄露的問題。由于輸出層數據的維度較小，也可以大幅降低服務器端的計算量與內存使用量，減少網絡傳輸量，降低對帶寬的要求。

　　同時，與聯邦學習類似，分割式神經網絡技術框架不需要上傳任何原始數據。在使用原始數據或者上傳輸出層結果前，可以使用各種加密方式進行加密，從而保障了隱私數據安全。

　　與聯邦學習的不同之處在于，該框架下每個參與學習的客戶端各自部署自身的子神經網絡，學習后的參數并不需要共享給服務器。每個客戶端只需要把最頂層輸出層的數據回傳給服務器，之后服務器綜合各個客戶端的結果再由各客戶端各自進行更新迭代。

　　據悉，目前，該框架主要滿足360數科在與合作方進行數據交互時的需求。未來，在360數科對外輸出風控能力的過程中，隱私計算也將作為技術輸出的一部分，作為綜合解決方案從底層解決數據安全問題。