近年來，我國數字經濟總體規模不斷擴大從2016年的22.4萬億元躍升至2020年的41.4萬億元。數據作為數字化的基石及核心已然成為了一種非常重要的生存要素。但是不可避免的負面影響也隨之產生。虛擬數據世界的擴張也同時為現實生活中的個人隱私帶來風險。因此，如何在保障個人數據隱私的前提下推進數據協作，破解“數據孤島”是金融行業需要共同探討的問題。
針對當前越來越突出的“數據孤島”問題，百融云創在業內號召并率先探索“聯邦學習”模式。聯邦學習的本質是一種分布式機器學習技術，在不交換數據樣本的情況下，在多個分散的邊緣設備或服務器上訓練算法，以達到在數據“可用不可見”的基礎上進行安全聯合建模的作用。
以合規為基石，百融云創順應行業發展趨勢積極投入聯邦學習這一新式算法的研發，可實現各個企業自有數據不出本地，通過加密機制下的參數交換方式，在不違反數據法規隱私的情況下，建立一個虛擬的共有模型，最終通過聯合建模提升模型的效果。據悉，從2019年9月開始投入研發，百融云創人工智能金融實驗室已經完成聯邦學習系統的基本開發。
百融云創從隱私集合求交集、聯邦學習等方向入手，以密碼學領域的重要理論和技術為基礎，結合大數據具體應用場景，搭建了安全多方計算平臺Indra，促進安全多方計算、機器學習等理論研究的落地。通過不斷地創新發展，百融云創將聯邦學習作為破解智能時代和隱私保護的利器，驅動人工智能產業升級，不斷賦能金融行業。
百融云創在探索之中發現，作為打開數據島的橋梁，聯邦學習在滿足數據隱私、安全和監管要求的前提下，能夠讓人工智能系統能夠更加高效、準確的共同使用各自的數據。百融云創積極利用聯邦學習模式開創多種數據保護方式，如建立百融模型自訓練平臺、百融聯邦機器學習平臺、百融諦聽設備反欺詐等等，這些都成為助力金融機構提升業務能力的利器。
在應用場景層面，聯邦學習主要有橫向聯邦學習、縱向聯邦學習、聯邦遷移學習三種。以縱向聯邦學習來說，其特點是樣本ID重疊較多、樣本特征重疊較少，通過聯邦學習可以實現雙方獲利，即無標簽一方可以使用聯邦模型預測，有標簽一方提升模型準確度。比如銀行和互聯網公司的合作，銀行有用戶銀行卡的收支行為與貸款信息，而電商企業掌握用戶的商品瀏覽與購買歷史信息，通過聯邦學習雙方可以在信用評估、精準營銷等領域實現合作。
通過合理利用聯邦學習技術，百融云創幫助金融機構解決金融數據共享與數據隱私保護之間的痛點，更好地發揮金融數據潛力。在未來的研發優化過程中，百融云創仍將立足行業需求，扎根技術創新，共筑數字金融安全“生命線”。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
