AWS Clean Rooms ML поддерживает дополнительную конфиденциальность при обучении моделей и логическом выводе
Сегодня AWS анонсирует настраиваемое моделирование AWS Clean Rooms ML, которое позволяет организациям получать прогнозную аналитику, работая в пустой комнате со своими партнерами, использующими собственные данные и модели машинного обучения. С запуском этой функции компании и их партнеры смогут обучать модели и использовать логический вывод на основе общих наборов данных без необходимости делиться друг с другом конфиденциальными данными или собственными моделями.
Например, рекламодатели могут использовать собственную модель и данные в рамках совместной работы в Clean Rooms и предложить издателям дополнить эти данные своими, чтобы обучить и внедрить специализированную модель машинного обучения для повышения эффективности рекламной кампании. Все это происходит без необходимости обеим сторонам предоставлять принадлежащие им модели и данные друг другу. Аналогичным образом финансовые учреждения могут использовать записи о прошлых транзакциях для разработки собственной модели машинного обучения и пригласить партнеров к сотрудничеству в Clean Rooms для выявления возможных мошеннических транзакций без необходимости делиться с партнерами базовыми данными и моделью. Настраиваемое моделирование AWS Clean Rooms ML позволяет вместе с партнерами получать ценную информацию и сохранять контроль над конфиденциальностью, указывая в среде Clean Rooms наборы данных для обучения моделей и логического вывода. Вы согласовываете используемые наборы данных со своими партнерами, так что делиться друг с другом конфиденциальными данными или собственными моделями не требуется. AWS Clean Rooms ML также предлагает разработанную AWS функцию моделирования похожих аудиторий (lookalike), которая показывает на 36 % большую точность по сравнению со стандартными отраслевыми решениями.
Функция AWS Clean Rooms ML доступна в решении AWS Clean Rooms в этих регионах AWS. См. дополнительные сведения об AWS Clean Rooms ML.