您当前的位置 : 热点关注  >> 正文

百融云创深研联邦学习技术 高效破解数据孤岛问题

  当前,数字化时代在日益成熟的分析技术的加持下,海量数据从资源升级为企业资产,为不同行业开辟了新的价值。人工智能等关键性技术的高速发展,驱动数字化转型进入深水区。但随之而来的是数据使用中的隐私与安全问题。随着隐私保护法规的接连出台,数据的使用受到严格监管,加之现有数据质量参差不齐,企业内外均存在着严重的数据孤岛问题,进而导致数据流通受阻,人工智能落地之路可谓举步维艰。

  然而,机遇与挑战始终是并存的,“联邦学习”可以很好地解决大数据应用的困境,在满足数据隐私、安全和监管的前提下,数据合作各方可以高效、准确、安全地共同使用各自的数据进行联合训练,帮助企业保护自己数据的同时,获得更多优质的用户行为数据以支撑业务的持续优化。

  作为人工智能和大数据应用平台,百融云创顺应行业发展趋势积极投入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。据悉,从2019年9月开始投入研发,百融云创人工智能金融实验室已经完成联邦学习系统的基本开发。

  据悉,联邦学习这一技术可以形象地理解为:搭建了一个虚拟的“联邦国家”,把大大小小的“数据孤岛”联合统一进来,这些“数据孤岛”是“联邦国家”里的一个州,既保持一定的独立自主(比如商业机密、用户隐私),又能在数据不共享出去的情况下,共享联合建模成果。百融云创创新性地发现这种共赢的机器学习方式,有助于打破数据孤岛、提升AI的应用效率,在市场监管、跨部门合作、数据隐私保护等领域,有着非常广阔的应用前景。

  同时,秉承着科技创新的理念从隐私集合求交集、联邦学习等方向入手,以密码学领域的重要理论和技术为基础,结合大数据具体应用场景,搭建了安全多方计算平台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。 Indra平台的优越性在于它可以适应不同的应用场景,可以为合作方、客户之间提供一种安全、高效的数据合作模式。

  不仅如此,百融云创积极还运用联邦机器学习技术,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。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,逐步获得合作方、客户的认可和信赖。

  从过去到未来,百融云创始终如一的坚持把隐私保护的原则、理念和方法融入到企业管理中,将保护客户和个人隐私信息放在首位。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,延续金融行业的专业性与创新性。

(责编:张凯)