百融云创推出“联邦学习”模式 护航金融数据安全

        在这个大数据时代，每个人都会产生大量的数据，包括日常的衣食住行、消费记录、信用记录、出行记录等。面对这些数据，如何合法、合规采集并且不触及隐私侵犯对于每一个行业都十分重要。

        近年来，金融行业数据泄露成为了重灾区，这成为了不可忽视的现实情况。日前，黑客在某论坛上发帖售卖国内某银行千万级数据，并对其进行勒索行为。虽事后该银行已发布声明：不存在黑客入侵，不存在客户信息泄漏，但这一事件足以再度映射出数据及数据安全对于金融行业的重要意义。

        为了让金融机构能够明确金融数据保护对象，构建金融数据生命周期和安全框架的基础，促进数据在金融业和各机构间的安全流动，充分发挥数据价值。去年9月，中国人民银行正式发布《金融数据安全 数据安全分级指南》 (JR/T 0197—2020)金融行业标准，适用于金融业机构开展数据安全分级工作。

        在国内，以百融云创为代表的人工智能和大数据应用企业正积极投入精力研发产品以达到维护金融数据的目的。百融云创的联邦学习这一新式算法的研发，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。

        同时，运用联邦机器学习建立的模型，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。通过利用联邦学习能够帮助金融机构同时实现补充多方数据和保护数据隐私、企业核心价值的效果，助力数据流动，推动人工智能的进一步发展。

        在此基础上，百融云创综合运用隐私集合求交集、联邦学习等算法，以密码学领域的重要理论和技术为依据展开拓展，结合大数据具体应用场景，搭建了适用于多个场景的安全多方计算平台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，为合作方、客户之间提供一种安全、高效的数据合作模式。