技术探索实践 百融云创联邦学习打通数据孤岛

随着中国经济步入数字经济时代，提升金融领域科技应用水平、加快数字化转型已经成为金融业发展的大势所趋。与此同时，在数字化快速发展过程中，也存在网络安全、市场垄断、数据权属不清、消费者权益保护等方面的新问题。金融行业依旧存在着“数据孤岛”现象。所谓数据孤岛就是众多的数据资源分散在不同行业、不同机构所形成的，数据蕴藏的巨大价值没有充分显现，这给金融行业发展带去了不少的阻力。

如何在推动金融业数字化转型的同时更好规范数据治理，营造良好的数字生态。有业内人士提出，需要完善内部数据治理。“未来，在开放、合作、共赢的金融服务生态体系中，一方面，需要打破现有数据垄断，完善自身数据治理;另一方面，应该与其他行业进行数据的规范融合共享，实现金融服务民生、服务实体经济的深度融合。”

针对当前越来越突出的“数据孤岛”问题，百融云创在寻求破解这个难题的过程中探索应用了联邦学习这一技术，可以形象地理解联邦学习为：搭建了一个虚拟的“联邦国家”，把大大小小的“数据孤岛”联合统一进来，这些“数据孤岛”是 “联邦国家”里的一个州，既保持一定的独立自主(比如商业机密、用户隐私)，又能在数据不共享出去的情况下，共享联合建模成果。百融云创创新性地发现这种共赢的机器学习方式，有助于打破数据孤岛、提升AI的应用效率，在市场监管、跨部门合作、数据隐私保护等领域，有着非常广阔的应用前景。

百融云创秉承着科技创新的理念从隐私集合求交集、联邦学习等方向入手，以密码学领域的重要理论和技术为基础，结合大数据具体应用场景，搭建了安全多方计算平台Indra，促进安全多方计算、机器学习等理论研究的落地。同时，以区块链技术为辅，实现数据确权和数据价值流转目标，为数据信息安全保驾护航。Indra平台的优越性在于它可以适应不同的应用场景，可以为合作方、客户之间提供一种安全、高效的数据合作模式。

百融云创积极运用联邦机器学习技术，一方面可以实现数据隔离，参与各方的数据不会泄露到外部，满足用户隐私保护和数据安全的需求;另一方面，通过联邦学习能够保证模型质量无损，不会出现负迁移，保证联邦模型比割裂的独立模型效果好。此外，重要的一点是各参与者地位对等，能够实现公平合作，实现打通“数据孤岛”到“共同富裕”的目标，逐步获得合作方、客户的认可和信赖。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。