随着大数据、边缘计算、大型云计算平台和各种开源框架的发展,机器学习等人工智能技术以前所未有的速度应用到各个行业。然而,人工智能技术在为我们带来机遇的同时,也带来了新的挑战。因此数据的隐私和安全引起了全世界的重视。
百融云创作为国内领先的人工智能与大数据应用平台,利用“联邦学习”创新性地设计了一种新的人工智能实现模式,承接了传统人工智能解决问题的能力。更为重要的是,“联邦学习”为我们开创了一种面向数据隐私保护的机器学习新范式,且在这种新的框架下,“联邦学习”各参与方通过“联邦学习”机制实现了多赢的局面,也为金融行业人工智能技术的应用提供了一种新的应用前景。
百融云创将保护隐私的原则、理念和方法融入到企业管理中,始终将保护客户和个人隐私信息放在首位。为了解决存在的数据隐私保护这一难题,打破数据孤岛的现实困难,满足数据联合融合使用的迫切需要,百融云创也在业内号召并率先探索“联邦学习”模式。这是一种加密的分布式机器学习技术,能够使各个企业的自由数据在不出本地的情况下,通过加密机制交换数据,即在不违反数据隐私法规的前提下,建立虚拟共有模型,仅为本地目标服务。
百融云创探索的“联邦学习”模式,不仅可以增加行业内可用数据的总量,解决现存数据孤岛的问题;而且对金融机构而言,使用联邦学习能简单、合法且低成本的获取外部有效的数据信息,快速解决某些因数据量或数据维度不足而导致的困扰,并且不会造成合作机构间数据或商业机密的泄露。
联邦学习模式有如下几点优势:数据隔离,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;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;参与者地位对等,能够实现公平合作;能够保证参与各方在保持独立性的情况下,进行信息与模型参数的加密交换,并同时获得成长。
百融云创利用联邦学习设计完善的AI系统解决方案,既能保护用户的数据隐私,同时又能更高效、准确地使用孤立的数据,构建更为高效的金融反欺诈模型。同时,百融云创有效帮助多个金融机构在满足用户隐私保护、数据安全和政府法规的要求下,利用双方或多方数据实现定制化的模型优化。随着金融行业不断利用AI技术来驱动业务的转型升级,加快智能化升级进程,百融云创加速行业AI技术落地,打造金融行业的坚实后盾。