数字化浪潮正在席卷全球，数据已经成为生产的核心要素和重要的基础战略资源，以大数据为核心的数字经济时代正在开启。为保障数据使用安全，搭建跨主体数据安全共享隐私计算平台，联邦学习作为其重要分支可以有效解决数据流通共享与隐私安全之间的矛盾，让数据在满足安全、隐私保护和监管合规要求的前提下，实现数据融合流通和多方协同，充分释放数据价值。
目前，隐私计算的发展方兴未艾，联邦学习、多方安全计算等隐私计算技术在金融领域的应用亟待探索。作为金融科技良性可持续发展的推动者，北京金融科技产业联盟数据专委会组织相关成员单位为推动联邦学习技术的研究，编制了《联邦学习技术金融应用白皮书》，现面向行业发布。报告对联邦学习技术做了详细分析，介绍了相关的政策及标准情况，梳理了该技术在金融业应用情况及案例，并从金融应用的平台间互联互通等方面提出建议。
作为全球领先的隐私计算技术公司，光之树科技凭借技术优势与资深经验参与此次的报告编写。由企业自主研发、以保护数据隐私为基础的“云间联邦学习平台”是首批获得央行级标准认证的产品。通过客户端在本地训练的方式，使得服务端和客户端以最小数据规模进行交互，经由特定算法加密后在服务端进行聚合，从而达到数据不出本地情况下的联合建模的目的。平台同时也支持自动化建模和一键部署功能，帮助用户从根本上解决了数据隐私前提下端到端的自动建模和部署全流程。
隐私计算作为数据安全共享的最优解，其未来的发展任重而道远。光之树科技将在不断提升自身技术的基础上助力隐私计算在金融行业乃至更多新领域的应用与完善。
关注公众号，后台回复“联邦学习”即可获得全文
E N D
推荐阅读
荣誉 | 光之树科技成功入选中国电子PKS+生态智方舟加速营，迈向信创发展快车道
光之树科技走进上海数交所演播间：打通数据孤岛，开发新商业应用场景
