联邦学习布局产业路径 百融云创守护数据安全

当前AI在金融业应用发展中需要解决打破"数据孤岛"和"数据隐私保护"的难题，合规的数据联合建模是未来的大方向。其中，联邦学习是解决数据安全和数据隐私保护，以及小数据、细碎数据问题的重要驱动力。

如何在数据不出域的条件下实现多方基于各自隐私数据计算的问题是金融机构期望解决的问题。作为国内人工智能驱动金融业务升级的领航者，百融云创不断完善机器学习平台建设，基于风控场景率先在业内推出基于自动机器学习（AutoML）技术的智能模型训练平台"计算未来AutoML".与此同时，在数据和信息安全备受重视的形势下，百融云创还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。

百融云创运用联邦机器学习，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。

联邦学习大规模落地的核心还是对业务应用产生价值，在智能信贷风控方面，百融云创建立联邦安全联盟，通过合理的生态机制，引入更多的参与方，从而更全面的刻画用户，提升模型效果，有效识别信用风险，提升业务收益。联邦学习可以在安全条件下，结合金融机构与外部数据源的数据，训练机器学习模型，对比传统联合建模方式，可以学到更多信息。百融云创使用联邦学习建立业务及AI模型，后期持续迭代优化模型的方式，实现项目数字化，便于金融业务方及信贷合作方能够持续积累业务数据优化联邦模型。

促使风控精细化管理，全面提升风控技术水平势在必行。联邦学习让金融领域数据整合不用受到对外提供数据的限制性规定，无需获得客户的共享授权，也可以减少数据安全风险，对解决当前金融数据整合面临的诸多难题有着重要意义。未来，百融云创将积极推动创新技术应用，打造开放合规的数据合作生态平台，为提升金融业数字化和智能化水平贡献力量。