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。

（免责声明：本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）

相关阅读