AI dan Data Makin Aman dengan Teknologi Federated Computing

Perkembangan kecerdasan buatan atau artificial intelligence (AI) dalam beberapa tahun terakhir mendorong perusahaan dan institusi di berbagai sektor untuk mengelola data dalam jumlah yang semakin besar. Namun di balik pesatnya transformasi digital tersebut, muncul satu tantangan besar yang belum sepenuhnya terpecahkan, yakni bagaimana memanfaatkan data lintas organisasi tanpa harus mengorbankan keamanan dan privasi informasi sensitif.

Selama ini, banyak perusahaan mengandalkan model penyimpanan data terpusat atau centralized data model. Dalam pendekatan ini, data dari berbagai sumber dikumpulkan ke satu lokasi untuk dianalisis dan diproses. Cara tersebut memang mempermudah pengolahan data, tetapi juga memunculkan risiko besar, mulai dari kebocoran informasi, pelanggaran regulasi, hingga meningkatnya ancaman serangan siber.

Di tengah tantangan tersebut, teknologi Federated Computing mulai dipandang sebagai solusi baru yang menjanjikan. Teknologi ini memungkinkan perusahaan bekerja sama memanfaatkan data tanpa harus saling membuka data mentah yang dimiliki masing-masing pihak.

Konsep inilah yang kini dikembangkan oleh Rhino Federated Computing, perusahaan teknologi yang fokus membangun platform kolaborasi data aman berbasis federasi.

Data Tidak Lagi Harus Dipusatkan

Dalam dunia bisnis modern, data menjadi aset paling penting. Namun tidak ada satu perusahaan atau institusi yang memiliki seluruh data yang dibutuhkan untuk menghasilkan analisis sempurna.

Industri seperti kesehatan, ilmu hayati, perbankan, hingga layanan keuangan sangat membutuhkan kolaborasi data untuk meningkatkan kualitas riset, mendeteksi penipuan, hingga memperkuat sistem keamanan siber. Masalahnya, regulasi privasi dan keamanan membuat banyak organisasi kesulitan berbagi data secara langsung.

Karena itu, pendekatan baru mulai bermunculan. Teknologi seperti clean room data, trusted research environment, dan tokenisasi berkembang untuk membantu organisasi berkolaborasi dengan lebih aman.

Federated Computing hadir sebagai evolusi dari pendekatan tersebut. Teknologi ini memungkinkan data tetap berada di tempat asalnya, sementara proses analisis dilakukan secara terdistribusi. Dengan kata lain, yang berpindah bukan data mentah, melainkan hasil analisis atau insight yang dihasilkan dari data tersebut.

Chief Commercial Officer Rhino Federated Computing, Chris Laws, menjelaskan bahwa pendekatan data terpusat saat ini mulai dianggap tidak lagi berkelanjutan, terutama di era AI yang membutuhkan kolaborasi lintas organisasi.

Menurutnya, perusahaan kini membutuhkan cara baru untuk menghubungkan data yang tersebar di banyak sistem tanpa harus memindahkan seluruh data tersebut ke satu lokasi.

Cara Kerja Federated Computing

Secara sederhana, Federated Computing bekerja dengan menghubungkan berbagai sumber data yang tersebar di banyak institusi atau sistem berbeda. Data sensitif tetap tersimpan aman di lingkungan masing-masing organisasi.

Platform federasi hanya mengirimkan model analisis atau permintaan komputasi ke lokasi data berada. Setelah proses selesai, hasil analisis dikembalikan tanpa membuka isi data asli. Pendekatan ini dianggap jauh lebih aman dibanding model tradisional karena mampu menjaga kerahasiaan data sekaligus mematuhi aturan privasi yang ketat.

Teknologi ini sebenarnya bukan sesuatu yang sepenuhnya baru. Konsep Federated Learning (FL) sudah diperkenalkan sekitar satu dekade lalu dan mulai digunakan secara luas oleh Google pada 2017 untuk meningkatkan fitur prediksi pengetikan di perangkat Android tanpa harus mengirim seluruh data pengguna ke server pusat.

Kini, penerapan Federated Learning semakin berkembang di berbagai sektor industri.

Beberapa contoh implementasinya antara lain FAITE Consortium yang menggunakan federated learning untuk prediksi sifat biologis, lalu NVIDIA Merlin Framework yang membantu sektor ritel mengambil keputusan secara real-time melalui analisis data terdistribusi.

Selain itu, terdapat pula proyek MELLODDY yang memanfaatkan federated learning untuk pengembangan model penemuan obat berbasis machine learning.

Rhino Bangun Platform Federasi untuk Dunia Industri

Rhino yang berdiri pada 2021 mencoba membawa konsep federasi data ke level yang lebih praktis melalui platform bernama Rhino Federated Computing Platform atau Rhino FCP. Platform ini dirancang untuk membantu perusahaan menjalankan kolaborasi data dalam lingkungan produksi nyata dengan standar keamanan dan privasi yang lebih ketat.

Rhino diketahui bekerja sama dengan sejumlah organisasi besar seperti Eli Lilly melalui program TuneLab, kemudian Cancer AI Alliance yang terdiri dari berbagai institusi kesehatan dan riset ternama di Amerika Serikat.

Selain sektor kesehatan, Rhino juga bekerja sama dengan SWIFT untuk membantu analisis data lintas sumber dalam pengembangan riset dan pelatihan model AI di industri keuangan global.

Menurut Chris Laws, saat ini banyak pemimpin AI dan data science di perusahaan menghadapi tekanan besar dari sisi bisnis. Mereka dituntut mampu memecahkan masalah menggunakan data lintas organisasi, tetapi tetap harus mematuhi aturan hukum, keamanan informasi, dan kepatuhan regulasi.

Karena itu, Rhino FCP dirancang bukan sekadar sebagai teknologi eksperimen, melainkan platform siap pakai yang bisa langsung diterapkan di lingkungan bisnis nyata.

Tidak Mengubah Infrastruktur yang Sudah Ada

Salah satu keunggulan utama Federated Computing adalah kemampuannya bekerja berdampingan dengan sistem yang telah dimiliki perusahaan. Chris Laws menjelaskan bahwa Rhino FCP dapat berjalan di atas infrastruktur yang sudah ada tanpa mengharuskan perusahaan membangun ulang sistem teknologi mereka dari nol.

Sebagai contoh, perusahaan yang sudah menggunakan pipeline data berbasis Azure tetap dapat memanfaatkan Rhino FCP untuk berkolaborasi dengan pemasok atau mitra bisnis tanpa harus membuka data asli masing-masing pihak.

Pendekatan ini dinilai penting karena banyak perusahaan telah menginvestasikan dana besar dalam membangun sistem data internal mereka. 

Selain itu, masalah umum lain yang sering muncul adalah perbedaan struktur data antarorganisasi. Setiap perusahaan biasanya memiliki format, skema, dan standar data yang berbeda. Untuk mengatasi masalah tersebut, Rhino mengembangkan teknologi Data Harmonization Engine.

Mesin ini mampu menerjemahkan satu model data ke model lainnya sehingga perusahaan dapat menggunakan struktur data yang seragam tanpa harus melakukan proses normalisasi dan pembersihan data secara manual.

Dengan demikian, proses kolaborasi data menjadi jauh lebih cepat dan efisien.

Bisa Digunakan untuk Berbagai Jenis Data

Rhino mengklaim platformnya dirancang fleksibel agar kompatibel dengan hampir semua jenis data. Tidak hanya data tabel terstruktur, Rhino FCP juga dapat menangani gambar, video, hingga data waveform yang umum digunakan dalam sektor medis dan industri. Kemampuan tersebut membuka peluang besar bagi berbagai sektor industri untuk memanfaatkan AI secara lebih maksimal.

Perusahaan juga dapat membawa aplikasi mereka sendiri dalam bentuk container untuk dijalankan langsung di platform federasi. Tim teknis bahkan masih bisa menggunakan berbagai tools yang sudah familiar seperti SQL, Python, NVIDIA FLARE, maupun Generalized Compute Code milik Rhino melalui software development kit (SDK).

Artinya, perusahaan tidak perlu sepenuhnya mengubah cara kerja tim teknologi mereka.

Solusi untuk Era AI yang Lebih Aman

Di tengah meningkatnya kebutuhan pelatihan model AI menggunakan data dalam jumlah besar, Federated Computing mulai dianggap sebagai solusi masa depan. Selama ini, pengembangan AI sering terbentur masalah privasi karena data harus dikumpulkan terlebih dahulu ke pusat penyimpanan sebelum dianalisis.

Pendekatan federasi menghilangkan kebutuhan tersebut. Data dapat tetap berada di lokasi asal sambil tetap berkontribusi dalam proses pembelajaran AI. Hal ini menjadi sangat penting terutama bagi sektor dengan regulasi ketat seperti layanan kesehatan, perbankan, pemerintahan, energi, hingga otomotif.

Chris Laws mengakui bahwa platform federasi tidak sepenuhnya mampu menyelesaikan semua persoalan secara otomatis. Ia menyebut Rhino FCP dan Data Harmonization Engine mampu membawa pelanggan “90 persen menuju sumber data terpadu,” sementara penyesuaian tambahan tetap diperlukan sesuai kebutuhan masing-masing organisasi.

Pendekatan realistis ini justru menjadi pembeda Rhino dibanding sebagian perusahaan lain yang mengklaim large language model atau AI generatif dapat menyelesaikan seluruh masalah data secara instan.

Menurut Chris, pengalaman bekerja di sektor dengan regulasi tinggi membuat Rhino memahami bahwa keamanan, privasi, dan kepatuhan tetap menjadi prioritas utama.

Karena itu, pendekatan federasi dinilai akan semakin relevan di masa depan, terutama ketika perusahaan mulai menyadari bahwa nilai terbesar AI bukan hanya terletak pada algoritma, tetapi juga pada kemampuan mengakses dan memanfaatkan data secara aman.

Dengan meningkatnya ancaman siber dan semakin ketatnya regulasi perlindungan data di berbagai negara, Federated Computing berpotensi menjadi fondasi baru dalam membangun ekosistem AI yang lebih aman, kolaboratif, dan terpercaya.