Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

港交所拟收购华控清交股份,后者为旷视创始人恩师姚期智所创

华控清交成立于 2018 年 6 月,专攻数据加密技术,解决数据的使用权与所有权之间的矛盾。

9 月 6 日机器之心消息,昨日港交所称,拟收购北京一家数据科技公司「华控清交信息科技(北京)」的少数权益,港交所已签订意向书,双方拟于今年第四季完成交易。这将是港交所落实科技发展战略、探索大数据业务的举措之一。

华控清交成立于 2018 年 6 月,专攻「多方安全计算(Secure Multi-Party Computation, 简称 MPC)」技术的研发工作。多方安全计算是密码学的一个分支领域,通过这项技术可在数据加密的前提下实现多方数据分析,也就是说基于加密的数据进行计算。

姚期智是华控清交的创始人之一,是第一位也是唯一的图灵奖华人获奖者。刚在香港提交 IPO 上市计划的人脸识别公司旷视科技的三位联合创始人印奇、唐文斌、杨沐都是姚期智所创建的清华大学计算机科学实验班「姚班」的学生。

1 关键性数据分析技术— MPC

所谓「多方安全计算」技术,在密码学领域可以解释为,「一组互不信任的参与方之间在保护隐私信息以及没有可信第三方的前提下的协同计算问题」。

该套技术理论源于姚期智在 1980 年代提出的「百万富翁」设想:两个百万富翁街头邂逅,他们都想知道谁更富有,但又不愿意让对方知道自己拥有的真正财富。如何在没有第三方的情况下,让对方知道谁更有钱?

该问题的本质反映了基于用户数据挖掘的服务中,数据的使用权、所有权之间的矛盾:服务提供者必须得到你的数据才能提供服务,而目前大多数互联网公司提供的服务都涉及这个问题。

如何实现数据使用权、所有权的分离,生产方保有数据的所有权而不影响数据需求方提供服务?

在「百万富翁」设想的基础上,「多方安全计算」理论框架诞生。它能够让数据在不泄露的情况下联合多方的数据进行联合计算并得到明文计算结果,最终实现数据的所有权和数据使用权的分离。

近几年,数据已经成为现代商业与个人的核心价值与重要资产,这项我国原创的关键数据分析技术开始受到业界进一步关注。

随着人工智能时代的到来,数据在现代商业活动中也成为了最重要的竞争资源。巨头公司利用数据垄断的优势建筑起了行业壁垒,而数据隐私问题的解决迫在眉睫。

加州大学伯克利分校的一项研究显示,人工智能的发展已经对健康数据的隐私造成新的威胁。

2018 年欧盟通用数据保护条例(GDPR)正式生效,被称为「史上最严」的数据保护法案,是人类历史上第一个定义个人数据所有权的规则,它在法律上明确规定了个人数据是个人所有的数据资产。

在涉及隐私敏感型输入数据,如客户行为信息、身份信息、金融信息、征信信息、医疗信息的应用场景,MPC 的产业价值潜力开始彰显。

初期由于计算机的算力无法实现相应的计算,MPC 技术仅停留于学术研究阶段。「计算机终于足够快,能够把这三十年大家不断改进的方案开始运作起来」,姚期智谈道。

他认为,多方安全计算会在金融科技甚至人工智能、医药保护共享数据等方面发挥重要作用。

蚂蚁金服算法专家李漓春在公开场合表示,「了解到这个技术的时候,我就知道这个技术在大数据的时代特别有用。当年对这个技术了解的非常少,在业界应用也非常少。7 年之后,现在我们看到很多公司都在做这方面的研究和探索,业界已经在落地」。

2 学术成果商业化

作为 MPC 理论的提出者和重要奠基人,姚期智所领导的清华交叉信息研究院中有一支团队正在探索 MPC 的实际应用。2018 年 6 月,这支成长于清华交叉院的核心团队商业化,成立华控清交信息科技(北京)有限公司。

目前华控清交的主要大股东分别有上海清荷信息咨询中心、上海爰跻管理咨询合伙企业、清华控股旗下的清控三联创业投资(北京)有限公司等。

据天眼查信息显示,华控清交至今共完成两轮融资,2018 年 10 月完成天使轮融资,投资方荷塘投资;2019 年 5 月完成新一轮融资,投资方为高榕资本。据机器之心了解,该公司天使轮融资时估值已经达到 6 亿人民币,年中估值为 12 亿元。

机器之心了解,华控清交有两位早期创始人,分别为创始人兼 CEO 张旭东、联合创始人兼首席科学家姚期智。

华控清交创始人兼 CEO 张旭东

张旭东此前一直活跃于投行界,曾作为高盛集团的全球合伙人,高盛大中华区证券业务的总负责人、高盛中国管理委员会委员。

姚期智,是清华大学交叉信息研究院院长,2004 年他辞去普林斯顿大学的终身教职后,2005 年在清华开设「清华学堂计算机科学实验班」,因吸收了诸多计算机科学领域的学霸被外界称为「姚班」。

此外,徐葳作为华控清交的技术顾问,主要负责系统技术研发。他曾获得谷歌、IBM 的教授科研奖,在系统、网络、机器学习、光通讯等多领域顶尖会议发表论文 40 余篇,并获得 DSN,APSys 最佳论文奖,专注于交叉学科的分布式系统和机器学习方面的研究。

徐葳现作为清华交叉信息研究院长聘副教授,同时也是姚期智院士牵头创办的图灵人工智能研究院的副院长,这家「研究院」是一家商业公司,是清华交叉信息学院科研成果转化的另一个集中地。

「我们希望帮老师们走通一条从科研,到孵化,到对接投资,甚至反哺科研的道路。通过帮他们解决政策上的、时间上的、团队上的、资源投入上的任何顾虑,给他们一个自由宽松的科研环境,也让他们的研究真正落地。」徐葳在去年接受机器之心采访时谈道。

清华在 2015 年出台了明确的知识产权转化与分配相关规定:科技成果转化所获现金收益或股权,学校享有 15%,原则上成果完成人所在院系和对完成、转化该项科技成果做出重要贡献的人员分别享有 15% 和 70%。

港交所集团行政总裁李小加对此次投资华清控交表示,相信数据将很快成为金融市场上的一个新资产类別,很高兴能够与华控清交合作,共同实现建立数据市场的愿景。

产业清华控股人工智能数据科学智慧金融
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

蚂蚁集团机构

蚂蚁集团是移动支付平台支付宝的母公司,也是全球领先的金融科技开放平台,致力于以科技和创新推动包括金融服务业在内的全球现代服务业的数字化升级,携手合作伙伴为消费者和小微企业提供普惠、绿色、可持续的服务,为世界带来微小而美好的改变。

http://www.antgroup.com
旷视科技机构

旷视成立于2011年,是全球领先的人工智能产品和解决方案公司。深度学习是旷视的核心竞争力,我们打造出自研的AI生产力平台Brain++并开源其核心——深度学习框架“天元”,实现了算法的高效开发与部署。在持续引领技术进步的同时,我们推动AI产业的商业化落地,聚焦个人物联网、城市物联网、供应链物联网三大赛道,为个人用户带来更出色的美学体验与安全保障、让城市空间更有序、并帮助企业实现工业、仓储数字化升级。我们提供包括算法、软件和硬件产品在内的全栈式、一体化解决方案。

https://www.megvii.com
机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
推荐文章
暂无评论
暂无评论~