Протоколы конфиденциальных вычислений (multiparty computation, MPC), появившиеся в 1980-х годах как академическая головоломка, сейчас наиболее активно развивающаяся область теоретической и прикладной криптографии.
1632 просмотров
Приложения, основанные на технологии MPC, решают задачи анализа данных там, где непосредственный обмен информацией затруднён проблемами конфиденциальности, правовыми ограничениями или корпоративной политикой.
Разделение секрета является основой совместных конфиденциальных вычислений Изображение: Ubic
Например, два человека могут сравнить свои ДНК и выяснить, являются ли они родственниками, сохраняя исходные данные своих геномов в тайне. Или страны (космические державы!) могут корректировать траектории движения своих спутников и избегать их столкновений, не раскрывая точных координат. Сырьевые биржи, защищающие ставки и, соответственно, производственный потенциал участников, спам-фильтры, не имеющие доступа к тексту электронных писем, и даже способы предотвращения социального неравенства – все это области применения технологий MPC.
Кидалово на 10 миллионов / Конченый брокер вызывает охрану / Полиция убегает
Портфельная компания ФРИИ UBIC создает инновационные MPC-решения для крупных клиентов, то есть такие, которые, прежде всего, ориентированы на обработку действительно больших объемов данных. Решения компании не всегда связаны с машинным обучением, однако данное направление является одним из приоритетных для Rhttps://vc.ru/ml/88180-pochemu-ob-mpc-dolzhen-uznat-kazhdyy-i-pri-chem-tut-facebook» target=»_blank»]vc.ru[/mask_link]
Что такое формула MPC и как ее рассчитать? (плюс примеры)
При измерении стоимости товаров и услуг и того, как потребители реагируют на изменение цен, эксперты-экономисты часто используют формулы для расчета стоимости. Существуют сотни экономических формул, используемых для выражения стоимости товаров и услуг, валового внутреннего продукта и других важных микроэкономических и макроэкономических понятий. Формула MPC, или предельной склонности к потреблению, может помочь определить, сколько потребитель платит за товары и услуги вместо того, чтобы экономить эти деньги. В этой статье мы покажем вам, что такое ПДК, формулу ПДК и как рассчитать формулу ПДК.
Что такое формула ПДК?
Формула ПДК, или предельной склонности к потреблению, выглядит так:
Изменение потребления / изменение дохода = ПДК
Программы для Windows, мобильные приложения, игры — ВСЁ БЕСПЛАТНО, в нашем закрытом телеграмм канале — Подписывайтесь:)
Эксперты-экономисты обычно отображают формулу на диаграмме с осями X и Y. Наклонная линия, или линия потребления, служит ориентиром для определения предельной склонности к потреблению.
Что такое МПЦ?
MPC, или предельная склонность к потреблению, является мерой расходуемого дохода потребителей. MPC предполагает, что рост потребительских расходов обычно происходит из-за увеличения расходуемого дохода. Расходуемый доход может увеличиться по многим причинам, в том числе:
Разводилово по красоте / Дурная начальница жёстко тупит
- Экономический рост: страны, в которых в последние годы наблюдался значительный рост, часто предоставляют больше рабочих мест с более высокой оплатой, тем самым увеличивая расходуемый доход потребителей.
- Государственная помощь: правительственные стимулы или пакеты расходов для населения могут увеличить расходуемый доход для потребителей.
- Более низкие цены: Более низкие цены на товары, услуги и коммунальные услуги также могут создавать более расходуемый доход в экономике.
MPC обычно выше при более низких доходах, потому что не так много расходуемого дохода, который можно было бы вложить в экономику. MPC варьируется для всех уровней доходов, и его важно понимать как взаимосвязь между этими уровнями доходов и состоянием экономики в целом.
Почему важно понимать формулу MPC?
Эксперты-экономисты используют формулу MPC для изучения взаимосвязи между доходом человека и его привычками расходовать средства. Это помогает установить ориентир для измерения расходов, сбережений и инвестиционных привычек среди людей с разным уровнем дохода. Это также позволяет правительствам узнать, как государственные пакеты стимулов или другая помощь влияют на привычки людей тратить деньги. Имея представление о ПДК различных уровней доходов, экономисты могут прогнозировать тенденции и исследовать новые методы стимулирования экономического роста.
Как рассчитать формулу ПДК
Формула MPC требует лишь нескольких частей информации, и вот как ее рассчитать:
1. Определите изменение потребления
Первым шагом к расчету формулы является определение изменения потребления. Это говорит вам, насколько больше или меньше потребитель тратит в экономике. Вы выражаете это в процентах и добавляете к формуле. Например, формула с добавленной стоимостью будет выглядеть следующим образом:
MPC = 50% или 0,50 / изменение дохода
Как правило, вы используете десятичное значение процента для упрощения вычислений, но некоторые калькуляторы могут принимать процент как числовое значение с символом процента.
2. Определите изменение дохода
Следующим шагом в расчете формулы является определение изменения дохода. Вы также можете выразить это в виде процентного значения и добавить его рядом с изменением потребления. Например, формула может выглядеть так:
Изменение дохода выражает общее изменение дохода потребителя по отношению к его потреблению.
3. Разделите два значения
С изменением потребления и изменением дохода в вашей формуле теперь вы можете разделить эти два значения, чтобы определить ПДК. Используя этот пример, вы можете разделить изменение потребления на 0,50 на изменение дохода на 0,40. Это дает вам общий MPC 1,25. Когда значение MPC больше единицы, можно заметить, что изменения в уровне доходов приводят к более значительным изменениям в количестве общих или конкретных товаров, которые покупают потребители.
4. График каждого значения
Вы можете добавить свои значения на график с помощью простых осей X и Y, чтобы получить более целостную картину ваших данных. Ось X горизонтальна и представляет изменение дохода, тогда как ось Y вертикальна и представляет изменение потребления. Линия тренда показывает значение MPC.
Примеры формулы ПДК
Вот два примера формулы MPC, которые помогут вам лучше понять ее и результаты, которые она может дать:
Пример 1
Вот пример использования формулы MPC при определении привычек личных расходов:
Пример: Роб работает на фабрике, зарабатывая 14 долларов в час. Каждый месяц Роб зарабатывает около 1680 долларов в месяц. Его расходуемый доход составляет всего 100 долларов, из которых он тратит около 80 долларов в месяц.
Он проходит сертификационный курс и в течение шести месяцев получает три новых сертификата, что позволяет ему устроиться на работу управляющим фабрикой на другом предприятии, зарабатывая больше денег. Сейчас Роб зарабатывает 23 доллара в час или 2760 долларов в месяц после уплаты налогов. Его располагаемый доход сейчас составляет 300 долларов, из которых он тратит около 250 долларов. Чтобы определить MPC Роба, мы разделим его изменение в потреблении на изменение располагаемого дохода, используя формулу:
MPC Роба равен 1,25. Это показывает нам, что по мере того, как располагаемый доход Роба увеличивался, росли и его расходы.
Пример 2
Вот пример использования формулы MPC при получении бонуса:
Пример: Диана работает секретарем в медицинском офисе и недавно получила премию в размере 1000 долларов за свои выдающиеся усилия. Она делит свой бонус на трату денег и экономию денег. Она вкладывает 700 долларов в сбережения и тратит остальные 300 долларов. Чтобы определить MPC ее бонуса, вы вводите значения в формулу, например:
Значение MPC Дианы составляет 0,42. Поскольку у Дайанны увеличились лишь небольшие расходы и расходуемый доход, MPC показывает нам, что она тратит дополнительный доход только тогда, когда получает небольшой прирост, например бонус от компании.
Источник: buom.ru
Совместные конфиденциальные вычисления: как работает технология, которая через 5 лет может изменить мир
Привет, Хабр! Это моя первая статья здесь, и для начала я хотел бы познакомиться.
Я возглавляю Data Science подразделение компании Platforma. Моя команда занимается разработкой моделей машинного обучения и глубокой аналитикой. Мы создаем продукты на основе продвинутых методов машинного обучения и искусственного интеллекта, являющиеся внутренним «движком» цифровых сервисов. На выходе в Platforma мы создаем инструменты для бизнеса на основе больших данных: от сервисов персонализации и геопространственного анализа до дистанционной оценки имущества. Но сегодня поговорим о задаче, которую бизнесу еще только предстоит решить.
В цифровом мире не получится конкурировать с крупными компаниями, опираясь только на собственные данные. Даже если вы Сбер или Яндекс. Это приведет и потере доли рынка. Чтобы видеть максимально полную картину, нужно комбинировать разные источники, в том числе и базы данных партнеров.
Но прямо обменяться данными не получится — российские и международные законы жестко регулируют этот процесс. Раскрытие данных пользователей, все дела. Именно здесь на сцену выходят алгоритмы конфиденциальных вычислений и MPC — технология, которая позволяет делать сводную аналитику легально, без риска раскрытия и «слива» данных.
Проблема миллионеров: обмен данными, не раскрывая их
Возьмем сразу живой пример. Познакомьтесь с только что придуманными мной Компанией А, продающей футбольные мячи, и Компанией Б, которая производит бутсы. Они вроде как партнеры, хотят свести базы данных и вместе провести глубокую маркетинговую аналитику целевой аудитории.
Но сделать это прямо они не могут. Как минимум из-за миллионных штрафов за раскрытие персональных данных клиентов. А передача их третьему лицу — это именно оно. Еще компании банально не хотят раскрывать все свои цифры — всегда есть риск, что нечестный партнер решит слить их конкурентам.
Тут и хочется, и колется. Риски есть, но при этом профит хороший — анализ данных двух компаний даст намного больше, чем каждая получит инсайтов по отдельности.
Что эти две компании хотят от системы вычислений:
- Получить истинные данные для аналитики.
- Не раскрыть больше собственной информации, чем нужно.
- Быть уверенным в том, что контрагент не помешает анализу, даже если захочет.
Я же постараюсь простыми словами объяснить, как работает протокол конфиденциального вычисления или MPC (multi-party computation). Вместо обмена реальной информацией между серверами ведется обмен «секретами» — исходные данные в них обработаны математическими функциями.
На основе «секретов» на каждом сервере строится две аналитических модели. А в процессе обучения моделей их веса корректируются, при этом градиенты передаются между серверами.
Самый простой вариант: представить число как разность двух целых чисел. На нем и построим пример.
Продолжим с нашими знакомыми компаниями А и Б. Допустим, они хотят построить модель аналитики, основанную на возрасте клиентов. Есть пользователь, ему 20 лет. Это можно представить как разность двух «секретов» 42-22. Число 42 отправляют на сервер компании Б, а на сервере А остается число 22. Зная оба секрета, можно без проблем восстановить исходные данные.
Если известен один — то никак не получится.
На сервере Б, допустим, хранится ответ, который также делится на два «секрета». Один присылается на сервер А, второй остается на машине Б. Затем на каждом сервере проводится обучение модели.
Сами по себе модели бесполезны, потому что они обучались на «секретах». Но если взять две модели и просуммировать их веса, то в результате получается рабочая модель, которая учитывает данные обоих серверов. При этом информация осталась конфиденциальной. Профит!
Даже если данные перехватят «атакой посредника», то злоумышленник получит только бессмысленную мешанину, из которой реальные данные восстановить не получится — вторая часть секрета ведь никуда не отправлялась.
При желании можно дополнительно хешировать данные для передачи или разбивать секреты между тремя или четырьмя машинами. Но зачем? Уже базовая механика MPC гарантирует абсолютную защиту данных при передаче и работе с ними.
Зачем секреты: плюсы и минусы подхода
- Во-первых, никакого риска утечки данных. Ведь передаются они уже в обработанном и измененном виде. Даже если вдруг уйдут на сторону, с ними ничего не смогут сделать, без второй части секрета это бесполезный набор чисел и знаков.
- Во-вторых, можно заранее договориться, какой инфой обмениваться и что анализировать. Никаких доступов к базам данных чужим людям открывать не нужно.
- В-третьих, гарантия, что готовая модель будет истинной. Ведь если коллега по ту сторону решит схитрить и предоставить некорректные данные, то он сам получит неработающую готовую модель. А это бессмысленно.
Минусы тоже есть. Сейчас у MPC ограниченный стек технологий, которые можно использовать для построения моделей на «секретах». Чтобы обеспечить нормальную скорость построения модели, нужно использовать полносвязные или сверточные нейронные сети. Сами понимаете, насколько они требовательны к мощности «железа». Можно использовать логистическую регрессию, но для обработки big data также нужны очень мощные серверы и много времени.
Также с MPC пока нельзя использовать один из самых популярных алгоритмов анализа данных — градиентный бустинг. Ведь в MPC самая долгая операция — это сравнение двух чисел, из-за чего бустинг не дает практически никакого прироста в скорости, а даже наоборот.
Самая большая проблема — именно скорость. Даже однослойные-двухслойные нейронные сети обучаются в 100-1000 раз медленнее, чем их аналоги на CPU. Это уже критично. Сложность в том, что построение моделей — интерактивный процесс. Часто приходится менять данные или исходные параметры анализа.
А если модель обучается неделю, то даже простейший анализ может растянуться на месяцы.
Есть варианты снизить степень защиты данных ради скорости. К примеру, при максимальной степени защиты секреты формируются числами 2^64. Если уменьшить до 2^32, то процесс обучения ускорится, но защищенность будет чуть ниже. В некоторых случаях есть возможность варьировать количество знаков в цифрах, влияя на скорость.
Технология еще молодая, ее только начинают тестировать на практике. Я лично вижу ее очень перспективной, но при этом над ней нужно еще долго работать, чтобы она нашла применение в масштабах рынка.
Развитие и перспективы технологии конфиденциальных вычислений
Больше всего над технологией MPC работает Facebook. Спецы соцсети создали платформу с открытым кодом CrypTen, которая сильно облегчает разработку и совершенствование ML-моделей. На GitHub решения от Facebook находятся в свободном доступе. А здесь они рассказывают, как работает технология, и как они используют ее в своей соцсети. Спойлер: чтобы лучше продавать товары и запускать точную рекламу для целевой аудитории.
Но если по-честному, то MPC сегодня — это дело стартапов. Узкие решения для eCommerce и IT разрабатывают небольшие команды. И один такой стартап — наш, российский. Компания UBIC уже больше трех лет развивает технологию конфиденциальных вычислений и добилась в этом серьезных успехов.
UBIC уже смогли оптимизировать технологию до уровня, на котором сложные математические модели с большими БД обучаются теперь всего лишь один день. Это ж вообще другой разговор. (На этом месте должны быть аплодисменты).
Если раньше нужно было тратить неделю или полторы на запуск модели, то сейчас — один день. В принципе, это уже позволяет использовать ее в реальных динамичных проектах, где исходные данные меняются или дополняются каждый день.
Если суммировать, то MPC — это доступное и относительно простое решение для бизнеса. И как только адепты MPC ускорят построение модели хотя бы до нескольких часов, она станет просто «must have» для любой компании, которая работает с данными.
Скажите, а вам или вашей компании будет полезна технология MPC? Или вы хотите узнать о ней больше? У нас еще много полезной инфы и кейсов, которые мы хотим рассказать.
- Блог компании Platforma
- Big Data
- Хранилища данных
Источник: habr.com