9月9日消息，360数科进一步推动隐私数据保护领域研究，在业内第一次提出分割式神经网络技术框架（Spilt Neural Network），并通过自主研发的一套系统实现算法落地。

    隐私数据项目主要牵头人、360数科隐私保护研究院院长沈赟博士表示：“我们一直以来都在做一些技术上的创新。在隐私数据保护领域，使用神经网络算法更加灵活，可以把不同类型数据提取出来，在统一架构下去学习，效率上能够大幅提升。”

    早在2016年谷歌首次提出联邦学习概念，这个初衷为保证数据交换时信息安全的人工智能基础技术随即在中国掀起风潮。在隐私数据保护上，360数科（原360金融）于2018年引入隐私计算研究，并在2019年宣布成立隐私保护与安全计算研究院，运用联邦学习技术发力大数据隐私保护。

    据了解，与传统联邦学习不同的是，分割式神经网络技术框架输出层数据的维度远小于原始输入层的维度，即使输出层的数据没有加密也无法反推原始输入层的数据，从而在框架设计上杜绝了数据泄露的问题。由于输出层数据的维度较小，也可以大幅降低服务器端的计算量与内存使用量，减少网络传输量，降低对带宽的要求。

    据悉，目前，该框架主要满足360数科在与合作方进行数据交互时的需求。未来，在360数科对外输出风控能力的过程中，隐私计算也将作为技术输出的一部分，作为综合解决方案从底层解决数据安全问题。360数科将继续加大对于新技术的研发力量，营造健康与安全的数据生态。