近日，由同盾科技、浙江大學人工智能省部共建協同創新中心、之江實驗室、中信銀行等單位共同發起的《聯邦學習金融行業應用指南》團體標準獲批通過。該標準旨在利用聯邦學習技術在不進行數據匯集的情況下對數據進行安全計算提供指引，在復雜的金融業務場景下，既保障數據安全又實現數據價值挖掘，發揮金融業數據要素倍增作用。

　　金融業作為數據密集型行業，積極落實國家政策，深化研究數據管理機制、深度挖掘數據內在價值、深入做好數據安全保護，為金融裝上數據引擎，實現多向賦能。

　　同盾科技合伙人、人工智能研究院院長李曉林教授表示，隨著人工智能、大數據等技術的進步，金融領域數據采集手段更先進，渠道更多元，資源更豐富。同時，金融業與科技企業形成合力，不斷優化數據治理，加強標準制訂，強化數據保護，推動數據的精細化管理與差異化防護。《聯邦學習金融行業應用指南》在這一背景下應運而生。

　　聯邦學習是多個參與方在保證各自原始的隱私數據不出數據方定義的私有邊界前提下，協作完成某項機器學習任務的機器學習模式。在智能風控、智能投顧、精準營銷、企業信審等復雜的金融業務場景中，需要使用多個參與方數據進行建模活動，都可以應用聯邦學習技術。

　　聯邦學習技術在金融領域應用通常包括“聯邦預處理”“聯邦模型訓練”和“聯邦模型預測”三個階段。同盾科技牽頭發起的《聯邦學習金融行業應用指南》從金融業務場景、聯邦任務、聯邦對象、聯邦模式、聯邦架構、聯邦算法等角度，明確各技術要素之間的關系與應用流程，并對數據安全性提出要求。

　　李曉林教授表示，聯邦學習技術的最大優勢，就是在不進行數據匯集的情況下，通過聯邦網絡對多方數據進行安全計算和建模學習，從而在滿足銀行等金融機構“數據不出行”的前提下，實現數據驅動的智能化發展。具體來說，這一技術從以下幾個方面確保數據安全：

　　隱私保護：個人信息均在脫敏和去標識化之后使用，充分保護消費者個人隱私，不允許參與方聯邦后重標識化。

　　數據分級安全：對不同安全級別的數據采用不同方式進行處理，聯邦參與方進行數據安全交換時不損害企業合法權益、公眾權益和國家安全。協調方在進行密鑰管理或計算中間數據等工作時無法獲取參與方隱私信息。

　　數據交換安全：參與方數據交換過程中，保障數據隱私不被泄露。

　　網絡通信安全：聯邦過程中使用加密通道，保證網絡安全。

　　協調方可信：協調方只允許執行約定的規則進行計算，輔助參與方之間進行信息傳輸交換，不允許存儲數據和中間結果。協調方需接受監管和參與方對協調過程的審計。

　　計算安全：聯邦算法具備計算安全性，攻擊者在有限的攻擊時間和計算能力下無法成功實施攻擊。

　　李曉林教授介紹，基于聯邦學習技術與理論，同盾科技人工智能研究院自主研發了知識聯邦理論框架體系。目前，同盾的這一技術已經在多家國有大型銀行、股份制銀行等機構展開部署和測試，協助金融機構健全數據治理機制，數據模型，形成多層次、系統化的數據管理體系。未來，同盾還將積極推動創新技術應用，加強標準建設，打造開放合規的數據合作生態平臺。

免責聲明：以上內容為本網站轉自其它媒體，相關信息僅為傳遞更多信息之目的，不代表本網觀點，亦不代表本網站贊同其觀點或證實其內容的真實性。如稿件版權單位或個人不想在本網發布，可與本網聯系，本網視情況可立即將其撤除。