随着云计算、区块链、人工智能等新兴技术在金融领域的应用不断加深 , 一个智能金融时代已经呼之欲出。然而 , 随着各界对金融消费者个人隐私保护的日益重视，数据和信息安全也越来越受到关注。而联邦学习技术的出现将为解决数据隐私与数据共享的矛盾提供有效方案。

　　百融云创作为国内头部金融科技应用平台，自2018年成立人工智能金融实验室以来，不断完善机器学习平台建设，积极探索联邦机器学习(FML)技术，通过去中心化协作的方式，为金融机构转型升级提供全新的发展思路。

　　“联邦学习”是一种分布式的加密机器学习算法框架，它不用汇集所有的数据进行集中计算，而是把计算分散到参与各方的数据集上，然后进行加密的分布式计算，最终通过联合建模提升模型的效果。它能够在保护数据隐私的前提下，打破机构之间的数据壁垒。

　　百融人工智能金融实验室相关算法负责人介绍，在应用场景层面，联邦学习主要有横向联邦学习、众向联邦学习、联邦迁移学习三种。以众向联邦学习来说，其特点是样本ID重叠较多、样本特征重叠较少，通过联邦学习可以实现双方获利，即无标签一方可以使用联邦模型预测，有标签一方提升模型准确度。比如银行和互联网公司的合作，银行有用户银行卡的收支行为与贷款信息，而电商企业掌握用户的商品浏览与购买历史信息，通过联邦学习双方可以在风控管理、信用评估、精准营销等领域实现合作。

　　据悉，从去年9月开始投入研发到现在，百融人工智能金融实验室已经完成联邦学习系统的基本开发。下一步将继续丰富上层功能运用和底层协议改造，完善整体机器学习平台即“百小渔”的建设，将自动机器学习、联邦学习全部嵌到里面去。

　　上述负责人表示，同样是做机器学习平台，相比BAT互联网大厂，百融云创机器学习将触达金融行业内部的特征，使整个框架更贴合金融属性，更适合于金融场景，助力金融AI应用普惠化。

新财网对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。读者应详细了解所有相关投资风险，并请自行承担全部责任。本文内容版权归新财网投稿作者所有！