數(shù)字經(jīng)濟時代，對于數(shù)據(jù)的開發(fā)越發(fā)重視，在現(xiàn)下大數(shù)據(jù)被視為如土地、勞動力等一般的戰(zhàn)略資源，蘊含著不可限量的價值。

發(fā)展數(shù)字經(jīng)濟我們?nèi)圆豢杀苊獾孛媾R著不少困難，其中數(shù)據(jù)的共享開放便是首當其沖的難題。放眼全球，情況同樣如此。不同系統(tǒng)、不同組織之間的數(shù)據(jù)共享開放程度普遍較低，由此也帶來了信息孤島問題，海量的數(shù)據(jù)相互阻隔，難以進一步融合碰撞釋放潛能。

如今，人工智能技術在各行各業(yè)中都展現(xiàn)出了優(yōu)勢，卻面臨兩個重要挑戰(zhàn)：一是在大多數(shù)行業(yè)中，數(shù)據(jù)以孤立的孤島形式存在。另一個是加強數(shù)據(jù)隱私和安全性。百融云創(chuàng)致力于為金融機構(gòu)提供全面的一體化解決方案——既要能夠有效解決數(shù)據(jù)孤島問題，又要能夠持續(xù)保證運行系統(tǒng)的穩(wěn)定，同時還要兼顧未來橫向擴展的需求。

聯(lián)邦學習技術的出現(xiàn)為解決數(shù)據(jù)隱私與數(shù)據(jù)共享的矛盾提供了有效方案。這是一種加密的分布式機器學習技術，可實現(xiàn)各個企業(yè)自有數(shù)據(jù)不出本地，通過加密機制下的參數(shù)交換方式，在不違反數(shù)據(jù)法規(guī)隱私的情況下，建立一個虛擬的共有模型，最終通過聯(lián)合建模提升模型的效果。隨著各界對金融消費者個人隱私保護的日益重視，數(shù)據(jù)和信息安全已經(jīng)成為智能金融時代重要的信任基石。

百融云創(chuàng)人工智能金融實驗室相關算法負責人介紹，運用聯(lián)邦機器學習，一方面可以實現(xiàn)數(shù)據(jù)隔離，參與各方的數(shù)據(jù)不會泄露到外部，滿足用戶隱私保護和數(shù)據(jù)安全的需求;另一方面，通過聯(lián)邦學習能夠保證模型質(zhì)量無損，不會出現(xiàn)負遷移，保證聯(lián)邦模型比割裂的獨立模型效果好。此外，重要的一點是各參與者地位對等，能夠?qū)崿F(xiàn)公平合作，實現(xiàn)打通"數(shù)據(jù)孤島"到"共同富裕"的目標。

在應用場景層面，聯(lián)邦學習主要有橫向聯(lián)邦學習、縱向聯(lián)邦學習、聯(lián)邦遷移學習三種。以縱向聯(lián)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(lián)邦學習可以實現(xiàn)雙方獲利，即無標簽一方可以使用聯(lián)邦模型預測，有標簽一方提升模型準確度。比如銀行和互聯(lián)網(wǎng)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(yè)掌握用戶的商品瀏覽與購買歷史信息，通過聯(lián)邦學習雙方可以在風控管理、信用評估、精準營銷等領域?qū)崿F(xiàn)合作。

（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）