百融云创：联邦学习打通数据互联“任督二脉”

    自进入互联网时代，企业生产、管理、运营过程的数字化已经在许多行业逐步实现，数据的积累和数据价值的挖掘成为目前关注的重点。除了应用自身积累的数据资源外，使用其他企业机构、其他行业有价值的数据自然成为破解难题的方法之一。

　　与之对应的，随着深度学习算法的创新、高性能计算能力的提升以及移动互联网时代数据的增长带来的计算机视觉技术与落地应用的爆发性增长，人们对数据安全与隐私保护担忧也逐渐浮现。

　　同时，企业对数据的实际应用中也有保护核心高价值数据的需求，金融业务受限于数据不够丰富，在数据可解释性及稳定性、风控模型效果、风险策略和获客成本等层面面临诸多挑战。

　　为了应对数据隐私保护难题，打破数据孤岛的现实困难，满足数据联合融合使用的迫切需要，百融云创率先探索“联邦学习”模式。这是一种加密的分布式机器学习技术，能够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。

　　联邦学习的出现，让每个用户都可能成为 AI 发展的贡献者，同时又启发了企业之间跨越 AI 落地的数据鸿沟的一种崭新方式。

　　百融云创利用“联邦学习”，创新性地设计了一种新的人工智能实现模式，承接了传统人工智能解决问题的能力，更为重要的是，“联邦学习”开创了一种面向数据隐私保护的机器学习新范式，且在这种新的框架下，“联邦学习”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。

　　百融云创在金融领域利用联邦学习，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、保证合法合规的前提下，在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。

　　业内人士表示，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。未来，百融云创将立足行业需求，扎根技术创新，不断更新和优化技术含量和服务质量，为客户提供更放心和满意的科技服务。