实现多方数据安全融合 百融云创联邦学习提升建模效率

过去几年来，我国数字经济总体规模不断扩大，从2016年的22.4万亿元跃升至2020年的41.4万亿元。"数字化"浪潮奔腾而来，作为其基石与核心的数据逐渐成为一种重要生产要素，"数据是宝贵的资产"、"数据是未来的新石油"这样的说法随着数字化成为趋势，在这几年中被反复提及。

但虚拟数据世界的扩张也同时为现实生活中的个人隐私带来风险。个人信息泄露可能引发的骚扰电话、垃圾短信以及财产损失，使得近年来消费者对个人信息保护的意识明显提升。对于企业而言，同样面临着数据合规要求下数据来源合法性、数据安全、隐私保护等系列风险和隐患。

如何在保障个人数据隐私的前提下推进数据协作，破解"数据孤岛",联邦学习这项新兴技术将有助于更好地发挥数据的潜力。

百融云创作为国内领先的独立AI技术平台，近年来不断探索联邦学习技术，开创了一种面向数据隐私保护的机器学习新范式。在这种新的框架下，各参与方通过联邦学习机制实现了多赢的局面，也为金融行业人工智能技术的应用提供了一种新的应用前景。

百融云创尝试在金融领域利用联邦学习解决数据安全查询问题，保障大数据交换时的信息安全、保护机构数据资产安全和个人数据隐私。在保证合法合规的前提下，多参与方或多计算结点之间开展高效率的机器学习，真正实现了数据和特征变量的"可用不可见".在安全条件下，结合金融机构与外部数据源的数据，训练机器学习模型，对比传统联合建模方式，模型效果大幅提升。

百融云创积极推动联邦学习技术的研发与创新，从整个数据产业来看，这样可以增加可用数据的总量，很好地解决现存数据孤岛的问题；对金融机构自身而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据维度不足而导致的困扰。

避免隐私成为数据，让数据发挥更大的价值，联邦学习作为一项重要的新技术方向，在打破数据孤岛、走向联通共荣上有着巨大的潜力，随着智能设备与物联网的普及，联邦学习将获得发挥更大价值的发展空间。