百融云创：扎根联邦学习 构筑数据安全“生命线”

近年来，数据的孤岛分布以及对数据隐私监管力度的加强，制约了数据的广泛采集、共享和进一步的应用。如何在保护隐私安全的前提下，设计一个全新的机器学习框架，达到整合多方数据、跨界共同建模，共同受益的效果，是数据安全领域和人工智能领域发展的目标。

联邦学习的产生为人工智能打破数据屏障和进一步发展提供了新的思路。它实现了在保护本地数据的前提下让多个数据拥有方联合建立共有的模型，从而实现了以保护隐私和数据安全为前提的互利共赢。百融云创发挥人工智能技术的作用，在多维度、全方位分析数据的基础上，根据特定的应用目标采集有用的特征进行训练、学习，最后实现应用智能化的目标。

随着各界对金融消费者个人信息保护的日益重视，数据安全和信息安全在金融数字化转型的过程中也越来越受到重视。对此，百融云创在业内号召并率先探索联邦机器学习（FML）技术，为解决数据隐私与数据共享的矛盾提供有效方案。该方案可实现各个企业自有数据不出本地，通过加密机制下的参数交换方式，在不违反数据法规隐私的情况下，建立一个虚拟的共有模型，最终通过联合建模提升模型的效果。使各个企业的自由数据在不出本地的情况下，通过加密机制交换数据，即在不违反数据隐私法规的前提下，建立虚拟共有模型，仅为本地目标服务。与此同时，为避免重复欺诈的现象，企业间还需建立关于欺诈案件、欺诈手法的信息共享。

联邦学习技术可以满足金融机构对隐私数据核心价值保护以及数据对外协作。百融云创通过结合数据科学、密码学、分布式计算与存储的综合工程，以及高标准的技术要求及良好的团队配合，加之对数据和场景的深刻理解和经验积累，构建完整、有效的以联邦学习为核心的加密机器学习技术。

从整个数据产业看，联邦学习可以增加可用数据的总量，能很好的解决现存数据孤岛的问题；对企业自身而言，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，而且也不会造成合作企业间数据或商业机密的泄露。

百融云创将把隐私保护的原则、理念和方法融入到企业管理中，始终将保护客户和个人隐私信息放在首位。同时，在探索人工智能和大数据应用的道路上，也将不断加强技术创新，为金融行业发展的数字化和智能化打造坚硬基石。未来，百融云创将立足行业需求，扎根技术创新，共筑数字金融安全“生命线”。