机器学习（ML）的许多应用都带来了一系列安全和隐私挑战。特别是，用户可能不愿意或不允许共享他们的数据，这使得他们无法充分利用 PyTorch 等 ML 平台。为了推动隐私保护型机器学习（PPML）领域的发展，OpenMined 和 PyTorch 宣布计划共同开发一个集成平台，以加速 PPML 研究，并为奖学金提供新的资金。
目前有许多旨在解决 ML 隐私问题的技术，每种技术都处于不同的成熟阶段。其中包括 (1) 同态加密，(2) 安全多方计算，(3) 可信执行环境，(4) 设备端计算，(5) 带有安全聚合的联邦学习，以及 (6) 差分隐私。此外，还创建了一些实现这些技术的开源项目，旨在促进隐私、安全和 ML 交叉领域的研究。其中，PySyft 和 CrypTen 采取了“ML优先”的方法，通过提供 ML 社区熟悉的 API，同时隐藏隐私和安全协议的复杂性。我们很高兴地宣布，这两个项目现在正在紧密合作，围绕 PyTorch 构建一个成熟的 PPML 生态系统。
此外，为了支持这个生态系统并推动隐私保护型 ML 领域的发展，我们还呼吁为这个组合平台做出贡献并支持研究工作，通过提供资金支持 OpenMined 社区和那些做出贡献、构建概念验证并希望走在隐私保护技术应用前沿的研究人员。我们将通过 RAAIS 基金会提供资金，RAAIS 基金会是一个非营利组织，其使命是促进人工智能的教育和研究，以造福社会。我们鼓励感兴趣的各方申请以下一项或多项奖学金。
推动隐私保护型 ML 未来发展的工具
下一代隐私保护开源工具使 ML 研究人员能够轻松地使用安全计算技术进行 ML 模型实验，而无需成为密码学专家。通过与 PyTorch 集成，PySyft 和 CrypTen 为 ML 开发者提供了熟悉的环境，让他们在工作中研究和应用这些技术。
PySyft 是 OpenMined 社区开发的用于安全和隐私 ML 的 Python 库。它是一个灵活、易用的库，使 多方计算 (MPC) 等安全计算技术和 差分隐私 等隐私保护技术可供 ML 社区使用。它优先考虑易用性，并专注于将这些技术集成到最终用户用例中，例如使用手机和其他边缘设备的联邦学习、加密 ML 即服务和隐私保护数据科学。
CrypTen 是一个基于 PyTorch 构建的框架，为 PyTorch 社区实现私密和安全的 ML。它是朝着 PyTorch 中隐私保护模式迈出的第一步，将使安全计算技术超越密码学研究人员的范畴。它目前实现了 安全多方计算，目标是在不久的将来提供其他安全计算后端。对 ML 研究人员的其他好处包括：
- 它秉承“ML 优先”原则，通过一个与 PyTorch Tensor 外观和感觉完全相同的 CrypTensor 对象来呈现安全计算技术。这允许用户使用与 PyTorch 中类似的自动微分和神经网络模块。
- 该框架专注于可扩展性和性能，并考虑到实际挑战而构建。
CrypTen 和 PySyft 的重点领域自然一致并相互补充。前者侧重于通过加密张量抽象在 PyTorch 上构建对各种安全和隐私保护技术的支持，而后者则侧重于边缘设备部署和用户友好的数据科学平台等最终用户用例。
协同工作将使 PySyft 能够使用 CrypTen 作为加密张量的后端。这可以提高 PySyft 的性能，并促使 PySyft 的用户群采用 CrypTen 作为运行时。此外，PyTorch 还增加了密码学友好的功能，例如对密码学安全随机数生成的支持。从长远来看，这使得每个库都可以专注于其核心能力，同时享受协同关系带来的好处。
OpenMined 贡献者的新资金
我们特别高兴地宣布，PyTorch 团队已投资 25 万美元支持 OpenMined 进一步开发和推广隐私保护型 ML。这笔赠款将通过 RAAIS 基金会促成，并将立即用于支持 OpenMined 社区的带薪奖学金拨款。
如何参与
感谢 PyTorch 团队的支持，OpenMined 能够为您提供三种不同的参与项目开发的机会。每项奖学金都进一步推动了我们共同的使命，即降低隐私保护型 ML 的门槛，并创建一个更加注重隐私的世界。
核心 PySyft CrypTen 集成奖学金
在这些奖学金期间，我们将把 CrypTen 集成为 PySyft 中加密计算的受支持后端。这将使 CrypTen 的高性能、安全多方计算功能能够与 PySyft 中的其他重要工具（如差分隐私和联邦学习）一起使用。有关路线图以及如何申请带薪奖学金的更多信息，请查看项目的贡献者征集。
移动、Web 和 IoT 设备上的联邦学习
在这些奖学金期间，我们将扩展 PyTorch，使其能够在移动、Web 和 IoT 设备上执行联邦学习。为此，PyTorch 前端将能够协调在 Javascript、Kotlin、Swift 和 Python 中运行的联邦学习后端。此外，我们还将扩展 PySyft，使其能够使用对等连接协调这些后端，提供低延迟并能够将安全聚合作为协议的一部分运行。有关路线图以及如何申请带薪奖学金的更多信息，请查看项目的贡献者征集。
开发挑战
在接下来的几个月里，我们将定期举办公开竞赛，以提高 PySyft 和 PyGrid 代码库的性能和安全性。对于与性能相关的挑战，参赛者将竞争（现金奖励）使特定的 PySyft 演示（例如联邦学习）尽可能快。对于与安全相关的挑战，参赛者将竞争入侵 PyGrid 服务器。第一个展示其能力的人将赢得现金奖励！有关挑战的更多信息，以及报名接收每次挑战开启时的电子邮件，请在此处注册。
要申请，请选择上述项目之一，并确定一个符合您优势的角色！
祝好，
Andrew、Laurens、Joe 和 Shubho