AWS Clean Rooms ML 支持隐私增强型模型训练和推理

发布于: 2024年11月7日

今天，AWS 宣布推出 AWS Clean Rooms ML 自定义建模，该建模使组织能够与合作伙伴一起运行自己的机器学习 (ML) 模型，并在洁净室协作中使用他们的数据，从而生成预测性见解。通过此次发布，公司及其合作伙伴可以训练 ML 模型并基于集体数据集运行推理，而无需共享敏感数据或专有模型。

例如，广告商可以提供他们的专有模型和数据进行 Clean Rooms 协作，并邀请发布者也提供他们的数据以训练和部署自定义 ML 模型，以帮助他们提高广告活动的效果，所有这些都无需彼此共享自定义模型和数据。同样，金融机构可以使用历史交易记录训练自定义 ML 模型，并邀请合作伙伴加入 Clean Rooms 协作以检测潜在的欺诈性交易，而不必在协作者之间共享底层数据和模型。借助 AWS Clean Rooms ML 自定义建模，您可以获得合作伙伴的宝贵见解，同时通过指定要在 Clean Rooms 环境中使用的数据集，在运行模型训练和推理时应用隐私增强控制。这使您和您的合作伙伴可以批准所使用的数据集，并且无需彼此共享敏感数据或专有模型。AWS Clean Rooms ML 还提供 AWS 编写的相似度建模功能，与行业基准相比，可帮助您将相似客户群体的准确度提升高达 36%。

AWS Clean Rooms ML 作为 AWS Clean Rooms 的一项功能在这些 AWS 区域推出。要了解更多信息，请访问 AWS Clean Rooms ML。