如今数据已是新产业、新业态的核心生产要素，数据运用面临的隐私性、可用性也随之备受关注。较其他领域，金融领域对数据的管控更为严格。目前，一种面向数据隐私保护的机器学习新算法——联邦学习，为金融行业人工智能技术的应用提供了一种新的机制和平台，有效打破隐私保护与数据使用的困局。

联邦学习作为加密的分布式机器学习新范式，能够有效解决人工智能落地应用中的数据孤岛与数据隐私保护难题，在提升跨行业、跨企业的大数据挖掘能力的基础上，能够有效保障数据的安全性，保护用户隐私，正日益受到金融行业重视。

百融云创作为国内领先的独立AI技术平台，近年来不断发力联邦学习技术，开创了一种面向数据隐私保护的机器学习新范式。在这种新的框架下，各参与方通过联邦学习机制实现了多赢的局面，也为金融行业人工智能技术的应用提供了一种新的应用前景。

百融云创在金融领域利用联邦学习解决联邦迁移学习、数据安全查询、纵向联邦、横向联邦等问题，保障大数据交换时的信息安全、保护机构数据资产安全和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习，真正实现了数据和特征变量的“可用不可见”。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，模型效果大幅提升。

百融云创积极推动联邦学习技术的研发与创新，从整个数据产业看，这样一来可以增加可用数据的总量，很好地解决现存数据孤岛的问题；对金融机构自身而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据维度不足而导致的困扰。

大数据时代，联邦学习已成为全行业的“基础建设”需求，通过众多研究机构、企业的前期努力，联邦学习建设已完成初步市场教育和搭建，奠定了坚实的行业基础。未来，百融云创将立足行业需求，扎根技术创新，不断更新和优化技术含量和服务质量，为客户提供更放心和满意的科技服务。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：