人工智能是新一轮科技革命和产业变革的核心驱动力，在新基建的三大领域中，两大领域都直接提及人工智能。在信息基础设施领域，人工智能与云计算、区块链一起被视为一种新技术基础设施;而在融合基础设施领域中，人工智能则被视为支撑传统基础设施转型升级的重要工具。

      在AI落地金融行业的过程中，传统机器学习架构难以保证数据安全，联邦学习技术有效帮助金融机构实现合规的数据价值共享。

      联邦学习是一种加密的分布式机器学习技术，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，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。联邦学习技术的提出有效回应了如何有效利用用户终端上的数据进行 AI 模型训练，而又不侵犯用户的数据隐私的问题。当前，联邦学习现在已成为新一代人工智能最重要的技术范式之一，同时又启发了企业之间跨越 AI 落地的数据鸿沟的一种崭新方式。

      在金融业，对于金融消费者个人隐私保护的乃是重中之重，数据和信息安全已经成为智能金融时代重要的信任基石。

      针对当前越来越突出的“数据孤岛”问题，百融云创在业内号召并率先探索“联邦学习”模式。百融人工智能金融实验室相关算法负责人介绍，运用联邦机器学习，一方面可以实现数据隔离，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。

      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。

      百融云创将把隐私保护的原则、理念和方法融入到企业管理中，始终将保护客户和个人隐私信息放在首位。同时，在探索人工智能和大数据应用的道路上，也将不断加强技术创新，为金融行业发展的数字化和智能化打造坚硬基石。未来，百融云创将立足行业需求，扎根技术创新，共筑数字金融安全“生命线”。