2024-04-16 19:39 来源：得道网
企业正在囤积比以往任何时候都多的数据来推动他们的人工智能雄心，但与此同时，他们也担心谁能访问这些数据，这些数据通常是非常私人的。PVML提供了一个有趣的解决方案，它结合了一个类似chatgpt的工具来分析数据，并提供了差异化隐私的安全保证。使用检索增强生成(RAG)， PVML可以在不移动数据的情况下访问公司的数据，从而省去了另一个安全考虑。
这家总部位于特拉维夫的公司最近宣布，它已经获得了800万美元的种子轮融资，由NFX领投，FJ Labs和Gefen Capital也参与了融资。
图片来源:PVML
该公司由Shachar Schnapp(首席执行官)和Rina Galperin(首席技术官)夫妇共同创立。施纳普获得了计算机科学博士学位，专攻差分隐私，然后在通用汽车公司(General Motors)从事计算机视觉方面的工作，而加尔佩林获得了计算机科学硕士学位，专注于人工智能和自然语言处理，并在微软公司(Microsoft)从事机器学习项目。
加尔佩林说:“我们在这个领域的很多经验来自于我们在大公司和大公司的工作，在那里我们看到事情并不像我们天真的学生所希望的那样有效。”“我们希望PVML带给组织的主要价值是数据民主化。这只有在你一方面保护这些非常敏感的数据，但另一方面，允许容易访问它的情况下才能发生，这在今天是人工智能的同义词。每个人都想使用免费文本分析数据。它更容易、更快、更高效——我们的秘密武器——差异化隐私，使这种整合变得非常容易。”
差别隐私远不是一个新概念。其核心思想是确保大型数据集中个人用户的隐私，并为此提供数学保证。实现这一目标的最常见方法之一是在数据集中引入一定程度的随机性，但以不改变数据分析的方式。
该团队认为，目前的数据访问解决方案效率低下，并且产生了大量开销。例如，通常，在使员工能够安全访问数据的过程中，必须删除大量数据，但这可能会适得其反，因为您可能无法有效地将编辑的数据用于某些任务(加上访问数据的额外前置时间意味着实时用例通常是不可能的)。
图片来源:PVML
使用差异隐私的承诺意味着PVML的用户不必对原始数据进行更改。这避免了几乎所有的开销，并安全地为AI用例解锁了这些信息。
几乎所有的大型科技公司现在都以这样或那样的形式使用差异隐私，并向开发人员提供他们的工具和库。PVML团队认为，它还没有真正被大多数数据社区付诸实践。
Schnapp说:“目前关于差异隐私的知识更多的是理论而不是实践。”“我们决定把它从理论带到实践。这正是我们所做的:我们开发了实用的算法，在现实场景中的数据上效果最好。”
如果PVML的实际数据分析工具和平台没有用处，那么这些不同的隐私工作就无关紧要了。这里最明显的用例是与数据聊天的能力，所有这些都保证不会有敏感数据泄露到聊天中。使用RAG, PVML可以将幻觉降低到几乎为零，并且开销最小，因为数据保持在适当的位置。
但是也有其他的用例。Schnapp和Galperin指出，不同的隐私也允许公司在不同的业务部门之间共享数据。此外，它还可能允许一些公司将对其数据的访问货币化给第三方，例如。
NFX普通合伙人兼联合创始人Gigi Levy-Weiss表示:“在今天的股市中，70%的交易是由人工智能完成的。“这是对未来事物的一种尝试，今天采用人工智能的组织明天将领先一步。但企业害怕将自己的数据与人工智能连接起来，因为它们害怕曝光——而且理由很充分。PVML独特的技术创造了一个无形的保护层，使数据访问民主化，实现了今天的货币化用例，并为明天铺平了道路。”
