当前，数字化时代在日益成熟的分析技术的加持下，海量数据从资源升级为企业资产，为不同行业开辟了新的价值。人工智能等关键性技术的高速发展，驱动数字化转型进入深水区。但随之而来的是数据使用中的隐私与安全问题。随着隐私保护法规的接连出台，数据的使用受到严格监管，加之现有数据质量参差不齐，企业内外均存在着严重的数据孤岛问题，进而导致数据流通受阻，人工智能落地之路可谓举步维艰。
然而，机遇与挑战始终是并存的，“联邦学习”可以很好地解决大数据应用的困境，在满足数据隐私、安全和监管的前提下，数据合作各方可以高效、准确、安全地共同使用各自的数据进行联合训练，帮助企业保护自己数据的同时，获得更多优质的用户行为数据以支撑业务的持续优化。
作为人工智能和大数据应用平台，百融云创顺应行业发展趋势积极投入联邦学习这一新式算法的研发，可实现各个企业自有数据不出本地，通过加密机制下的参数交换方式，在不违反数据法规隐私的情况下，建立一个虚拟的共有模型，最终通过联合建模提升模型的效果。据悉，从2019年9月开始投入研发，百融云创人工智能金融实验室已经完成联邦学习系统的基本开发。
据悉，联邦学习这一技术可以形象地理解为：搭建了一个虚拟的“联邦国家”，把大大小小的“数据孤岛”联合统一进来，这些“数据孤岛”是 “联邦国家”里的一个州，既保持一定的独立自主(比如商业机密、用户隐私)，又能在数据不共享出去的情况下，共享联合建模成果。百融云创创新性地发现这种共赢的机器学习方式，有助于打破数据孤岛、提升AI的应用效率，在市场监管、跨部门合作、数据隐私保护等领域，有着非常广阔的应用前景。
同时，百融云创秉承着科技创新的理念从隐私集合求交集、联邦学习等方向入手，以密码学领域的重要理论和技术为基础，结合大数据具体应用场景，搭建了安全多方计算平台Indra，促进安全多方计算、机器学习等理论研究的落地。同时，以区块链技术为辅，实现数据确权和数据价值流转目标，为数据信息安全保驾护航。Indra平台的优越性在于它可以适应不同的应用场景，可以为合作方、客户之间提供一种安全、高效的数据合作模式。
不仅如此，百融云创积极还运用联邦机器学习技术，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，逐步获得合作方、客户的认可和信赖。
从过去到未来，百融云创始终如一的坚持把隐私保护的原则、理念和方法融入到企业管理中，将保护客户和个人隐私信息放在首位。在探索人工智能和大数据应用的道路上，百融云创也将不断加强技术创新，为金融行业发展的数字化和智能化打造坚硬基石，延续金融行业的专业性与创新性。
