2020年，我國數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到39.2萬億元，占GDP比重為38.6%，目前位居于世界第二，其增速是GDP的三倍以上。

　　這一組數(shù)據(jù)來自于中國信息研究院發(fā)布的《中國數(shù)字經(jīng)濟(jì)發(fā)展白皮書（2021）》。按前述所言，可毫不夸張地說，數(shù)字經(jīng)濟(jì)時代已然到來，成經(jīng)濟(jì)增長的主要動力。

　　不過，數(shù)字經(jīng)濟(jì)要想行穩(wěn)致遠(yuǎn)，核心前提是維護(hù)好安全這一“基石”。畢竟虛擬數(shù)字世界不斷擴(kuò)張之時，現(xiàn)實(shí)生活中存在著泄露個人隱私的風(fēng)險。

　　且于9月1月實(shí)施的《數(shù)據(jù)安全法》中明確，“鼓勵數(shù)據(jù)要依法合理有效利用，保障數(shù)據(jù)依法有序自由流動，促進(jìn)以數(shù)據(jù)為關(guān)鍵要素的數(shù)字經(jīng)濟(jì)發(fā)展?！?/p>

　　而在科技賦能金融數(shù)字化轉(zhuǎn)型過程中，金融機(jī)構(gòu)如何在保護(hù)個人隱私的前提下推動數(shù)據(jù)間協(xié)作？這成為擺在行業(yè)面前的一道坎。

　　值得一提的是，對于解決“數(shù)據(jù)孤島”的難題，在行業(yè)普遍認(rèn)知中，聯(lián)邦學(xué)習(xí)技術(shù)成為有力的“武器”。

　　挖掘“跨域”數(shù)據(jù)價值

　　近些年，越來越多的企業(yè)意識到數(shù)據(jù)分析的重要性。在大數(shù)據(jù)“喂養(yǎng)”下，人工智能得以快速發(fā)展。換言之，深度學(xué)習(xí)的代表——人工智能之所以應(yīng)用到各行各業(yè)，離不開數(shù)據(jù)支持。

　　不過，企業(yè)若不想囿于私域數(shù)據(jù)，被限制在“一隅”，且又要滿足數(shù)據(jù)合規(guī)問題的話，需要采用聯(lián)邦學(xué)習(xí)技術(shù)，方能挖掘“跨域”數(shù)據(jù)價值。

　　而所謂的“聯(lián)邦學(xué)習(xí)”是一種分布式機(jī)器學(xué)習(xí)技術(shù)，在不交換數(shù)據(jù)樣本的情況下，在多個分散的邊緣設(shè)備和服務(wù)器上訓(xùn)練算法，以達(dá)到在數(shù)據(jù)“可用不可見”的基礎(chǔ)上進(jìn)行安全聯(lián)合建模。

　　簡單來說，聯(lián)邦學(xué)習(xí)具有眾籌和協(xié)作之意，搭建的系統(tǒng)具有聚合功能，其在推動數(shù)據(jù)融合，解決“數(shù)據(jù)孤島”難題上，釋放更多數(shù)據(jù)動能。

　　于企業(yè)而言，除私域數(shù)據(jù)之外，其還可將多維度的外域數(shù)據(jù)作為參考，并以此為基礎(chǔ)做出更為準(zhǔn)確的決策。

　　且目前，聯(lián)邦學(xué)習(xí)已在醫(yī)療、金融、物聯(lián)網(wǎng)等領(lǐng)域有所應(yīng)用。

　　其中，醫(yī)療行業(yè)中，國內(nèi)三甲醫(yī)院保存的醫(yī)療數(shù)據(jù)量非?？捎^，可涉及隱私問題，科技公司想要直接采集多家醫(yī)院的數(shù)據(jù)用于訓(xùn)練并不現(xiàn)實(shí)。而聯(lián)邦學(xué)習(xí)解決人們最為關(guān)心的隱私安全問題，醫(yī)療機(jī)構(gòu)也才能放心將醫(yī)療數(shù)據(jù)用于AI訓(xùn)練，突破了隱私的圍城。

　　另外，聯(lián)邦學(xué)習(xí)已在金融行業(yè)中一些關(guān)鍵領(lǐng)域上取得了進(jìn)展，聯(lián)合反洗錢建模、聯(lián)合信貸風(fēng)控建模、聯(lián)合權(quán)益定價建模、聯(lián)合客戶價值建模等。

　　提升金融機(jī)構(gòu)運(yùn)營、風(fēng)控效率

　　以薩摩耶?dāng)?shù)科為例，作為與眾多流量方、金融機(jī)構(gòu)有著業(yè)務(wù)往來的公司，其充分利用自身與合作方優(yōu)勢，可對獲客、運(yùn)營、風(fēng)控等效果提升有顯著幫助。

　　基于業(yè)界的開源聯(lián)邦學(xué)習(xí)框架Fate，薩摩耶?dāng)?shù)科構(gòu)建起了聯(lián)邦學(xué)習(xí) 平臺。該平臺上各個參與方信息保留在本地，不泄露隱私也不違反法規(guī)。且在聯(lián)邦學(xué)習(xí)的體系下，各個參與者的身份和地位相同，建模效果與將整個數(shù)據(jù)集中放在一起的建模效果相同。

　　此外，該平臺將聯(lián)邦學(xué)習(xí)集成到了薩摩耶?dāng)?shù)科AI平臺，可以更容易地實(shí)現(xiàn)聯(lián)邦模型的訓(xùn)練、上線以及模型管理等功能，使聯(lián)邦學(xué)習(xí)更簡單易用。兩者結(jié)合后還獲得了可視化聯(lián)邦拖拽建模、模型管理及模型監(jiān)控。

　　具體來講，薩摩耶?dāng)?shù)科AI平臺統(tǒng)一了從特征工程、算法建模、模型訓(xùn)練、模型評估、模型發(fā)布等全流程，實(shí)現(xiàn)界面配置，便于模型的統(tǒng)一管理和維護(hù)，節(jié)省模型從訓(xùn)練到發(fā)布的上線周期。同時，參考了業(yè)界主流AI平臺設(shè)計思想，用組件化開發(fā)實(shí)現(xiàn)各個業(yè)務(wù)功能流程，做到自定義可配置可擴(kuò)展，同時也用Kubernetes實(shí)現(xiàn)容器化彈性快速部署。

　　且薩摩耶?dāng)?shù)科的AI平臺還具有私有化、開放性、組件化的算法庫、代碼和組件相互轉(zhuǎn)換、進(jìn)行自定義預(yù)處理、靈活定制不同模型的監(jiān)控指標(biāo)、支持Spark、TensorFlow等分布式框架、自動機(jī)器學(xué)習(xí)功能（AutoML）、跨平臺（Windows、Linux）使用、線上線下統(tǒng)一特征管理等亮點(diǎn)。

　　值得一提的是，開源版聯(lián)邦學(xué)習(xí)Fate提供了豐富的縱向與橫向開源算法及優(yōu)秀的調(diào)度Fate_Flow，可在易用性上給用戶造成很大的影響，即使用者在使用開源版幾個月后仍不能熟悉和快速地使用Fate進(jìn)行聯(lián)合建模。

　　而聯(lián)邦學(xué)習(xí)算法集成到薩摩耶?dāng)?shù)科AI平臺主要從兩個方面入手：一是改進(jìn)Fate易用性，從上傳數(shù)據(jù)、訓(xùn)練模型到在線預(yù)測上線模型三大主要階段，通過簡單前端操作一鍵執(zhí)行，并且對訓(xùn)練模型這個主要的模塊進(jìn)行前端拖拽建模，在線預(yù)測模塊進(jìn)行一鍵發(fā)布、停止、跑批等功能，并和薩摩耶?dāng)?shù)科AI平臺保持一致。

　　聯(lián)邦學(xué)習(xí)集成到薩摩耶?dāng)?shù)科AI平臺的第二階段，將開發(fā)自動建模平臺AUTOMAN算法聯(lián)邦化，目前Fate聯(lián)邦學(xué)習(xí)的算法是一些常用算法組件，相比AUTOMAN在風(fēng)控建模方面的算法還是相對較少，后面將部分AUTOMAN算法進(jìn)行聯(lián)邦化，并集成到AI平臺。

　　據(jù)了解，薩摩耶?dāng)?shù)科旗下的AUTOMAN自動建模平臺是將人工智能應(yīng)用在模型設(shè)計領(lǐng)域，使模型開發(fā)周期減少60%-80%，最短可在1周內(nèi)完成千萬級樣本建模任務(wù)，極大地縮短原始樣本與經(jīng)營決策的距離，實(shí)現(xiàn)整體降本增效。

　　未來，薩摩耶?dāng)?shù)科聯(lián)邦學(xué)習(xí) 平臺將實(shí)現(xiàn)AUTOMAN自動建模平臺的聯(lián)邦化，以此提供更加豐富的模型。同時，結(jié)合使用聯(lián)邦學(xué)習(xí)商業(yè)版FDN技術(shù)支持軟件，提供更多模型維度，使得模型準(zhǔn)確度大幅提升。

免責(zé)聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點(diǎn)，亦不代表本網(wǎng)站贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。