在數(shù)字化浪潮的時代背景下，數(shù)據(jù)要素的戰(zhàn)略性意義逐漸成為全球共識?！笆奈濉币?guī)劃明確提出“充分發(fā)揮數(shù)據(jù)要素作用，賦能數(shù)字經(jīng)濟發(fā)展”，數(shù)據(jù)已經(jīng)成為數(shù)字經(jīng)濟時代不可或缺的生產(chǎn)要素，數(shù)據(jù)安全與隱私保護進一步上升至宏觀政策層面。
在人工智能領域，隱私保護技術(shù)“聯(lián)邦學習（Federated Learning）”作為一種分布式的機器學習新范式，具有“數(shù)據(jù)不動模型動，數(shù)據(jù)可用不可見”的核心特征，已成為推動人工智能產(chǎn)業(yè)應用深化、數(shù)據(jù)要素流通、數(shù)據(jù)價值釋放的關鍵技術(shù)。
微眾銀行是國內(nèi)首家提出“聯(lián)邦學習”解決數(shù)據(jù)孤島與數(shù)據(jù)隱私保護難題的機構(gòu)，其近期的聯(lián)邦學習技術(shù)創(chuàng)新成果，被國際人工智能頂級學術(shù)期刊和頂級學術(shù)會議收錄發(fā)表，并開源發(fā)布于FATE聯(lián)邦學習技術(shù)平臺，對聯(lián)邦學習產(chǎn)業(yè)實踐提供了前瞻性的技術(shù)指導。
微眾銀行聯(lián)合國內(nèi)高校研究深化聯(lián)邦學習技術(shù)應用
此次微眾銀行與上海交通大學、中山大學等機構(gòu)聯(lián)合撰寫的《聯(lián)邦學習中隱私與模型性能沒有免費午餐定理》、《FedCG: 聯(lián)邦條件對抗生成網(wǎng)絡》、《FedIPR：聯(lián)邦學習模型所屬權(quán)驗證》多篇論文被IJCAI 2022、TPAMI 2022、ACM TIST國際人工智能頂級學術(shù)期刊和頂級學術(shù)會議收錄發(fā)表。
論文從可信聯(lián)邦學習理論框架、性能效率提升、版權(quán)保護等多方面拓展了聯(lián)邦學習技術(shù)，相關研究成果將成為技術(shù)發(fā)展創(chuàng)新之路的燈塔，反哺產(chǎn)業(yè)應用，進一步推動聯(lián)邦學習技術(shù)應用深化，促進數(shù)據(jù)要素流通與數(shù)據(jù)價值釋放。
隨著行業(yè)應用的深化，可用性、效率等多維度被納入整體技術(shù)框架，“可信聯(lián)邦學習”(Trustworthy Federated Learning)新范式應運而生。作為一種增強型的聯(lián)邦學習，可信聯(lián)邦學習除了保證原始數(shù)據(jù)的隱私安全和模型的可證安全，還保證學習過程的高效率和模型的可用性，模型決策機制的可解釋性，模型的可溯源和審計監(jiān)管。
論文《聯(lián)邦學習中隱私與模型性能沒有免費午餐定理》提出了隱私與模型性能的“No-free-lunch安全-收益恒定”定律，首次從信息論的角度分析揭示了聯(lián)邦學習的模型效用與隱私保護之間的內(nèi)在約束關系，利用該定律可實現(xiàn)可信聯(lián)邦學習的安全、效用、效率三者的協(xié)調(diào)，在保證數(shù)據(jù)隱私保護的同時，也最大化模型效用和學習效率。有效運用該定律能夠量化分析隱私計算各種技術(shù)保護方案的優(yōu)劣，進一步優(yōu)化隱私保護算法設計，為設計可信聯(lián)邦學習算法提供有效的指導。
針對目前聯(lián)邦學習中同態(tài)加密、差分隱私等隱私保護方法可能帶來計算和通信開銷大、模型性能大幅下降的弊端，論文《FedCG: 聯(lián)邦條件對抗生成網(wǎng)絡》提出在橫向聯(lián)邦學習中將生成對抗網(wǎng)絡與分割學習相結(jié)合，有效保護了參與方的數(shù)據(jù)隱私，同時保障了各參與方模型性能的競爭力?！禙edIPR：聯(lián)邦學習模型所屬權(quán)驗證》提出了名為“FedIPR”的首個聯(lián)邦學習模型版權(quán)驗證框架。在不犧牲模型可用性前提下，該框架提供了可靠的模型反盜版機制，保護了模型擁有者的所有權(quán)等合法權(quán)利和商業(yè)利益。
安全隱私技術(shù)蓬勃發(fā)展微眾銀行助推聯(lián)邦學習落地應用
由清華大學發(fā)布的《2022聯(lián)邦學習全球研究與應用趨勢報告》指出，未來聯(lián)邦學習研究趨勢將更多與算法模型和安全隱私技術(shù)相關。據(jù)統(tǒng)計，在聯(lián)邦學習領域，全球高被引論文領先的機構(gòu)依次是谷歌、卡內(nèi)基·梅隆大學、北京郵電大學及微眾銀行。從論文發(fā)布及高被引用論文數(shù)量、全球?qū)＠芾砹考伴_源框架熱度等幾個方面來看，中國與美國正在引領全球聯(lián)邦學習發(fā)展。
作為全球領先的數(shù)字銀行，微眾銀行早在2019年，就將其自研的全球第一個聯(lián)邦學習工業(yè)級開源框架Federated AI Technology Enabler（FATE）捐贈給了Linux基金會，并持續(xù)豐富和補充聯(lián)邦學習開源產(chǎn)品版圖，擴大以 FATE 開源生態(tài)為核心的聯(lián)邦學習生態(tài)。
截至目前，F(xiàn)ATE開源社區(qū)吸納了電信運營商、金融機構(gòu)、大型互聯(lián)網(wǎng)與科技企業(yè)在內(nèi)的19家成員單位，包括工商銀行、中國銀聯(lián)、微眾銀行、VMware、星云Clustar、中國電信、中國聯(lián)通、國電通、中國銀行、中銀金科、建信金科、光大科技、易方達基金、騰訊云、美團、醫(yī)渡云、第四范式、綠盟科技、亞信科技等。
同時，微眾銀行積極將前沿技術(shù)應用在自身金融業(yè)務實踐中，保障自身核心技術(shù)的自主可控和信息安全。通過不斷深化聯(lián)邦學習等先進技術(shù)與相關業(yè)務場景的深度融合，微眾銀行構(gòu)建了以聯(lián)邦學習和遷移學習為技術(shù)核心，覆蓋營銷、運營、資管、風控、客服、KYC 等多場景全鏈路的 AI 產(chǎn)品矩陣，在提升風險管理、市場營銷、客戶服務等領域智能化水平方面取得了新成效。
原創(chuàng)文章，作者：阿飛，如若轉(zhuǎn)載，請注明出處：http://m.2079x.cn/article/564416.html
