DeepSeek赋能w66利来数智可信推算平台:从数据流通到AI驱动的数智化安全可信

颁布功夫 2025-03-06

“让每一句人机对话都安全可信 ,让每一次智能交互都风险可控——这是属于AI时期的安全承诺。 —— w66利来”


媒介:


在当今数字化海潮中 ,数据已成为主题出产身分 ,但数据流通中的安全风险与效能瓶颈问题愈发凸显。若何破解“数据要用却不敢用”的困局、若何让数据身分在安全可控的前提下开释价值等成为亟待解决的难题。w66利来推出的数智可信推算平台 ,以AI原生技术沉构数据安整个系 ,构建可信数据空间 ,打造集“智能、安全、高效”于一体的数据流通新范式 ,让数据流通既可信又高效。


DeepSeek驱动数智可信推算平台


针对数据流通中的安全交互及可信推算问题 ,传统数据安全可信推算平台基于硬件可信执行环境及数据安全沙箱技术 ,突破验证启动、运行隔离、可信IO、加密通讯及安全存储等技术 ,打造数据安全输入、高效推算、可信执杏注加密传出的安全加工全链路安全能力 ,确保沉要数据流通利用的可用不私见 ,保险数据推算全程安全可信。


为了进一步提升数据结合推算的安全与智能化流程 ,w66利来推出数智可信推算平台(AI-R-DTCP) ,将DeepSeek技术作为主题引擎 ,在原罕见据可信推算平台坚实基础上 ,从业务和安全视角 ,打造数据智能流通新范式。


该平台通过对话的方式进行系统操作指引、数据智能推荐以加工模型自动创建 ,同时支持利用 GPU 算力 ,有效加快推算流程。在现实使用过程中 ,用户可凭据自身需要 ,询问数据建模依赖的数据 ,并基于数据的敏感等级 ,矫捷配置安全加工组件 ,借助可信执行环境、数据沙箱及隐衷�;さ惹把丶际� ,全面守护数据安全、语料安全与模型安全 ,推动数据身分的高效市场化流通 ,开释数据价值潜力。


AI破局 ,数据加工全链路智能化升级


当前 ,传统数据可信推算平台普遍面对四大主题挑战:


一是操作门槛高。必要用户手动配置 ,容易犯错 ,报错后定位复杂 ,业务人员需投入大量功夫进建和运维;二是数据利用率低。受限于静态规定与人为经验 ,难以急剧挖掘数据潜在价值 ,这使得数据持久闲置;三是安全与效能失衡。业务人员要将需要转化给数据分析师 ,中央需要转化存在大量校对过程;四是硬件资源不足。针对于大模型的安全调参数 ,不仅必要CPU的算力 ,还必要GPU的算力。


针对上述痛点 ,AI-R-DTCP通过AI智能副手、数据推荐官、自动化模型画布、基于TEE的CPU直通GPU四大创新能力 ,沉构数据可信推算的全流程:


一、AI智能副手:让数据安全“听得懂人话”


传统数据安全产品往往因操作复杂、规定繁琐而被诟病 ,AI-R-DTCP创新引入DeepSeek作为“AI智能副手” ,将专业能力转化为“人人可用”的交互履历:


图片1.png


AI破局:


? 天然说话驱动:用户可通过对话直接下达指令 ,如“必要使用全量数据 ,都必要哪些人的授权” ,系统自动解析需要 ,天生处置规划并支持职能跳转。

? 智能战术推荐:基于汗青操作与行业最佳实际 ,自动推荐配置模板 ,削减误操作情况的发生。   

? 系统问题定位:在使用系统的过程中 ,当出现报错时 ,可通过AI副手进行自动排查 ,协助用户自动筛查 ,削减运维压力。


二、数据推荐官:从“人找数据”到“数据懂人”  


数据身分流通的主题痛点在于“罕见不会用” ,导致大量数据因未被发现或理解而无法阐扬其价值。AI-R-DTCP结合DeepSeek形成数据推荐官 ,基于多模态AI实现数据价值的智能挖掘:


图片2.png


AI破局:


? 多维标签建模:系统可能基于样例数据、数据标签、元数据结构等数据信息 ,形成立体化数据推荐集 ,并结合用户的常见操作形成贴合用户需要的集中。

? 语义感知推荐:用户输入“分析中幼微企业信贷得吩炖估”需要 ,系统自动关联金融行业、资金情况、经交易绩等多维度数据 ,并标注数据起源与使用限度。  

? 合规性预检:推荐给用户使用的为经授权后的样例数据 ,结合数据分级标签与用户权限 ,自动过滤不成用数据 ,预防数据滥用。  


三、 自动化模型画布:零代码构建安全分析流水线  


数据分析与安全防护往往必要跨团队合作 ,DeepSeek自动化模型画布突破技术壁垒 ,能够使得业务、安全、算法人员在统一平台无缝合作:


图片3.png


AI破局:  


? 可视化编排:系统可基于用户的模型需要 ,进行模型构建的流程拆解 ,基于内置的分析模型 ,自动天生可诠释的模型算子流水线。  

? 安全原子能力集成:内置50+数据分析组件 ,实现低代码开发 ,用户可像搭积木一样组合安全的数据加工分析模型。  

? 参数自界说调整:依照系统最优解推荐模型算子流水线 ,每个算子都可进行自界说参数批改 ,切合用户配置需要。


四、CPU直通GPU:高机能安全推算空间  


在大模型训练与调参场景中 ,算力效能与数据安全往往难以两全——传统GPU虚构化技术存在内存窃取风险。AI-R-DTCP创新利用CPU直通GPU架构 ,通过硬件级安全隔离与智能调度 ,实现大模型调参“既快又稳”:


图片4.png


AI破局:


? 硬件级隔离:基于硬件信赖根的可信执行环境技术(TEE) ,构建安全能力黑盒 ,杜绝侧信路攻击导致的模型参数泄露。

? CPU直通GPU:系统选取基于国产化可信执行环境的CPU直通GPU技术 ,可结合调度CPU和GPU硬件资源。

? 零拷贝推算:绕过虚构化层 ,允许GPU直接接见加密内存数据 ,将大模型训练速度提升3倍以上。


场景利用 ,安全与效能的共生之路 


AI-R-DTCP可在政务、医疗、工业等行业 ,构建安全可信数据空间 ,提升数据价探查 ,通过AI与安全技术的深度融合 ,让数据身分流通既安全又高效。以下为典型利用场景:


一、政务数据盛开:让公共数据“活”得安全


痛点:公共数据盛开的数据量大、复杂度高、场景多 ,数据使用方无法急剧定位所需数据。此表凭据数据的敏感水平和用户类型 ,分歧用户存在分歧的使用权限 ,审批流程长 ,导致数据利用率低。


数据推荐官+可信推算:数据使用方输入所必要数据需要 ,系统自动推荐已脱敏的样例数据 ,并凭据数据敏感等级推荐可使用的加工组件(数据沙箱、机密推算或隐衷推算) ,在组件中基于样例数据进行价值探查 ,确定数据价值并搭建好模型后 ,可申请使用全量数据。在提升数据挖潜效能的同时 ,削减不用要的审批流程。


二、行业数据突破:守护隐衷 ,探查数据价值


痛点:同业业的数据因隐衷限度难以共享 ,导致样本量不及。人为脱敏易导致数据失真 ,影响钻研结论正确性 ,这必要搭建行业数据空间。


可信推算空间+模型画布:通过搭建行业数据空间 ,买通分歧数据参加方 ,各方可通过AI-R-DTCP对数据进行授权使用 ,利用差分隐衷、隐衷求交等技术对数据进行吞吐化处置 ,同时保留数据的关键关联。通过模型画布拖拽天生模型算子流水线 ,自动输出统计结论。


三、集团效能提升:从“情面圆滑”到“群策群力”


痛点:统一个集团的分歧子公司、组织机构及部门间的数据往往归内部所有 ,当必要跨部门使用数据时 ,直接共享可能泄露风险 ,使得必要依赖分歧部门的内部关系获取。这使得统一集团的数据只能内部为政 ,无法协同阐扬价值。


数据授权治理+数据安全沙箱:分歧部门的数据可上架到AI-R-DTCP进行授权治理 ,选取“一工作一授权”的方式加强数据授权治理和纪录留痕 ,由暗里买卖变为可纪录的线上授权。同时依赖集团公信力 ,选取数据安全推算沙箱 ,实现对业务的最幼化刷新 ,两全安全与效能。


基于Deepseek驱动的数智可信推算平台 ,选取安全内生的理想 ,将业务与安全融合 ,不仅解决了“安全”与“效能”的对抗矛盾 ,更让数据加工利用从被动防护走向自动价值创造。


未来 ,w66利来将持续索求大模型与数据安全的深度融合 ,让每一份数据都能在可信空间中自由流通、开释潜能 ,形成智能的数据加工流。


由于安全 ,本该如此智能。