评论员文章

去年发布的《关于构建更加完善的要素市场化配置体制机制的意见》将数据列为五大生产要素之一，强调要加快培育数据要素市场。将数据作为生产要素，表明随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸显。这也是最具时代特征的生产要素的重要变化。用好大数据这个最新要素可以保证在数字化时代下跟紧时代潮流，走向高质量发展的美好未来。

受行业特性影响，大数据应用在金融领域有着得天独厚的优势。但是数据的积累在一个行业或是领域之中长时间局限，就会形成数据孤岛并且在数据不断壮大、发展期间带来了数据隐私和安全问题。百融云创致力于为金融机构提供全面的一体化解决方案——既要能够有效解决数据孤岛问题，又要能够持续保证运行系统的稳定，同时还要兼顾未来横向扩展的需求。

联邦学习技术的出现为解决数据隐私与数据共享的矛盾提供了有效方案。这是一种加密的分布式机器学习技术，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。随着各界对金融消费者个人隐私保护的日益重视，数据和信息安全已经成为智能金融时代重要的信任基石。

百融云创人工智能金融实验室相关算法负责人介绍，运用联邦机器学习，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。

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。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。