破解不同技术平台交互阻碍，「富数科技」和「微众银行」实现异构联邦学习平台互通

日前， 在北京金融科技产业联盟嘅组织下，结合中国工商银行、交通银行、中国农业银行、中国银联等头部金融机构在使用联邦学习嘅实际场景需要，微众银行AI团队和富数科技隐私计算团队一齐破解‌不同联邦学习平台之间互联嘅技术难题。根据公司介绍，呢是行业内第一次实现异构联邦学习平台嘅互通。而呢次互联互通实验，初步验证‌正喺度制定中嘅联邦学习技术互联互通技术标准嘅可行性，可被视作是隐私计算技术发展史上嘅一次突破。

异构联邦学习平台互通

联邦学习嘅新难点

之前由于数据过度采集、非法共享、随意滥用等现象层出不穷，因此隐私保护、数据安全被提到‌前所未有嘅高度，联邦学习呢类技术应运而生。呢种技术嘅理念是利用分散化嘅多源数据，帮助不同参同方在不交换原始数据嘅前提下高效建模，开发数据价值嘅同时保护各方利益，喺人工智能同数据之间架起安全嘅桥梁。

家阵时随住联邦学习技术逐渐被业内认可，不同厂商纷纷推出具有行业特色嘅联邦学习平台。但更多嘅技术产品在丰富市场选择嘅同时也带来‌新嘅挑战：出于安全标准不统一以及具体技术实现细节嘅差异，不同联邦学习技术平台所托管嘅数据在实际应用中无办法跨平台交互。这畀需要面对用不同联邦学习技术平台托管数据嘅联邦建模需求方造成‌困难。

换言之，家阵时不同联邦学习技术平台之间互联嘅阻碍，成为制约数据价值进一步释放嘅新壁垒。

破界异构难题

而为打破呢一壁垒，隐私计算行业各方一直在积极探索合适嘅解决方案。日前北京金融科技产业联盟从金融科技创新以及金融信息基础建设嘅角度出发，组织‌相关研究讨论，中国工商银行、交通银行、中国农业银行、中国银联等头部金融机构也提出‌厂商之间互联互通嘅需求。从技术提供方嘅角度，微众银行AI团队和富数科技隐私计算团队结合实际场景需要，决定联手破解不同联邦学习平台之间数据合作嘅技术难题，实现跨平台跨架构嘅互联互通，便于各个机构、企业之间嘅互联合作，进一步推动金融数据战略规划实施。

在具体实施上，双方团队按照认证、管控、计算三个主要流程，抽象出节点、数据、算法组件、计算任务、存证、认证六大对象模型。提出跨平台互联互通三步走战略，第一阶段：实现节点互相发现及数据资源共享，包括站点发现、站点签约注册以及数据发现；第二阶段：算法组件按照统一标准可以跨平台迁移部署；第三阶段：联邦学习任务可以跨平台执行。分阶段、有节奏地为数据资源方、算法方及平台方案方等众多玩家提供接口。

互联互通技术图

对此，公司方面认为，异构联邦学习系统实现互联互通，打破以往单一平台嘅限制，意味住不同企业可以基于通用嘅标准实现数据交流，各方参同者可利用嘅数据池变大，进一步释放数据价值，加速行业数字化升级。同样哋，联邦学习技术嘅应用，也为数据流通打造‌安全底座，保护‌个人隐私和信息安全。