據外媒報道，美國MIT(麻省理工學院)提出一種可以保護基于云的AI系統，可以在不降低速度的情況下保護云計算的AI人工智能。這種基于云的AI人工智能系統的安全性非常重要，特別是當人們使用像照片或醫療記錄這樣的敏感數據時。

迄今為止，使用傳統方法，使得加密數據可以使機器學習系統如此緩慢，以致于幾乎無法使用。

然而，值得慶幸的是，美國MIT提出一種GAZELLE形式的解決方案，這項技術使用加密卷積神經網絡且不會出現急劇減速。更關鍵的是將兩種現有技術融為一體，避免了這些方法產生的常見瓶頸。

首先，用戶依靠“亂碼電路”方法將數據上傳到AI，該方法采用輸入并向會話的每一方發送兩個不同的輸入，為用戶和神經網絡隱藏數據，同時使相關輸出可訪問。然而，如果該方法被用于整個系統，則通常過于密集，因此MIT在發送給用戶之前，使用更高要求的計算層的同態加密(它既取又產加密數據)。同態方法須引入噪聲才能工作，因此它只限于在傳輸信息之前一次壓縮一層。簡而言之：MIT正在根據每一方做得最好的方式分擔工作量。

測試結果表明，其方法性能比傳統方法快了30倍，MIT承諾按照他們的要求將所需的網絡帶寬縮減一個數量級。傳統方法迫使公司和機構要么建立昂貴的本地神經網絡，要么完全忽略基于AI人工智能的系統。而MIT提出的云AI方法將會導致更多使用基于互聯網的神經網絡來處理重要信息。例如，醫院可以讓AI發現MRI掃描中的醫學問題，并與其他醫院專家或醫生共享，而不暴露患者數據和隱私。敏感數據即保持安全性，又保持時效性。