數據交易平台的趨勢與挑戰

有賴於機器學習的進步，機構現在可以從基於數據和分析的決策中得益。根據FinancesOnline ¹，57% 的機構使用數據和分析來推動策略和變革（MicroStrategy，2020）。因此，數據變得越來越重要，也令到私營和公共機構之間增加了數據共享。Gartner 在文章 "Data is a Business Necessity to Accelerate Digital Business" 中提到至2023年，提倡數據共享的機構在大多數業務價值指標上的表現將優於不提倡數據共享的機構。特別是數據共享的廣泛採用令到數據交易平台的數量不斷增加。數據交易平台面臨的主要挑戰之一是通過加密技術保證適當級別的隱私和機密性來保護數據所有者的利益，同時執行合規性盡職調查，以及機器學習和數據挖掘活動從而產生有價值的分析。

應用於加密數據的高效邏輯回歸

邏輯回歸是明文場景中適用於實現這些目標的最常見的機器學習方法之一。Baldwin 和 Krishna Dayanidhi 在 "Natural Language Processing with Java and LingPipe Cookbook" 一書中指出，邏輯回歸是可用作大多數工業分類器的機器學習方法之一，而且肯定是現有性能最好的分類器之一。此外，神經網絡可以看作是一系列相互堆疊的邏輯回歸分類器（參見 "Speech and Language Processing"第 3 版，Daniel Jurafsky 和 James Martin 著）。

LSCM 現正在開發和實施一種有效的方法，以適當的準確度和精確度對加密數據執行邏輯回歸。這為開發保護隱私的數據共享平台奠定了基礎，該平台可以執行適當的盡職調查並提供具價值的分析。此外，由於所有數據在整個過程中都保持加密狀態，因此通過加密保證了機密性和隱私性。同時，該平台還可以成為數據所有者的隱私保護數據挖掘服務提供商。

LSCM – Russell Yiu

[1] https://financesonline.com/relevant-analytics-statistics/