国家大力发展以信息基础建设为代表的新型基础设施建设，着重侧重于突出产业转型升级的新方向，利用5G、区块链等新兴技术，加快推进产业高端化发展。与此同时，联邦学习这一保障数据隐私和数据安全的技术也受到了公众的关注。
联邦学习作为数据隐私和数据安全应用的重要技术，在近年来已形成持续发展的完善的开源生态体系。百融云创紧跟信息化社会的发展浪潮，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。通过运用AI行业当下最前沿的AutoML技术，百融云创有效突破“模型优化瓶颈”，实时计算超体量数据，完美支持特征?程与机器学习模型的线上服务。
在应用场景层面，联邦学习主要有横向联邦学习、纵向联邦学习、联邦迁移学习三种。以纵向联邦学习来说，其特点是样本ID重叠较多、样本特征重叠较少，通过联邦学习可以实现双方获利，即无标签一方可以使用联邦模型预测，有标签一方提升模型准确度。比如银行和互联网公司的合作，银行有用户银行卡的收支行为与贷款信息，而电商企业掌握用户的商品浏览与购买历史信息，通过联邦学习双方可以在风控管理、信用评估、精准营销等领域实现合作。百融云创通过全面合理地运用多种形式的联邦学习，考虑金融场景的习惯和数据特点，积极探索与实践机器学习范式，综合用户特征，提升运算效率，保障数据安全。
联邦学习可以通过技术性的操作进一步深化解决用户数据隐私安全和合规性问题。百融云创自主研发的Indra平台会根据所服务的金融机构的具体业务，对重叠数据进行处理和训练，进而保证数据应用条件更合规，匹配效果更精准，同时也能确保模型推理过程中客户数据的隐私保护，构筑起用户数据安全的堡垒，切实给用户带来安全可靠的体验感。
数字化的社会趋势是势不可挡的，顺应这一形势才能保障企业立足于世、蓬勃发展。百融云创致力于通过数据共享融合多端数据，构建信息链接纽带;通过技术赋能，利用高新技术为发展模式带来变革;通过隐私加密保护，数据安全合规，提供可溯源审计的链上数据交互和授权存证。百融云创钻研数据匿踪查询，打破数据孤岛，实现数字资产的流通增值，帮助金融机构获得客户资源和市场竞争力，驱动行业数字化转型。
