【網易智能訊7月21日消息】7月 19 日，市北·GMIS 2019 全球數據智能峰會在上海市開幕，大會第二天，微眾銀行首席人工智能官、國際人工智能學會理事長、香港科技大學教授楊強帶來聯邦學習的最新發展與應用。

　　楊強認為，AI 發展到今天面臨很大挑戰，尤其是數據挑戰。數據孤島、小數據、用戶隱私的保護等導致數據的割裂，讓 AI 技術很難發揮出價值。為了解決這一問題，楊強教授提出「聯邦學習」的研究方向。

　　所謂聯邦學習，是多個數據方之間組成一個聯盟，共同參與到全局建模的建設中，各方之間在保護數據隱私和模型參數基礎上，僅共享模型加密后的參數，讓共享模型達到更優的效果。

　　楊強介紹道，聯邦學習可分為橫向聯邦和縱向聯邦，橫向聯邦是指企業各方數據維度相同、ID 維度不同，更多存在于消費者應用中；縱向聯邦是指企業各方數據的 ID 維度相同（樣本重疊）、數據維度不同，更多存在于 B 端應用。

　　在具體的使用場景中，楊強重點介紹了聯邦學習在金融行業中的應用。比如針對保險行業的個性化保險定價問題，一家互聯網企業和一家保險企業進行數據合作，這種合作數據的 ID 重合度相當大，數據特征維度大大增加，使模型的個性化定價效果顯著提升，為保險企業帶來8倍覆蓋率提升和1。5倍利潤率提升。

　　在另外一個小微企業信貸管理案例中，使用聯邦學習后，企業將風控區分度提升12%，使貸款不良率小于千分之五。即使在雙方既沒有共同的 ID，數據特征也不同的情況下，也可以使用遷移學習結合聯邦學習進行共同建模。

　　楊強強調，聯邦學習一定是多方共同協作組成一個聯盟，生態的建設十分重要。它最大的優勢是，保證數據不出戶，通過生態在不同行業選取合作伙伴，用群體智能不斷提升模型效果。

　　未來，安全合規、防御攻擊、算法效率、聯盟機制等都需要進一步研究。比如聯邦學習中各方合作的一個基礎就是加密技術，加密算法的效率顯得尤為重要，算法的改善還有很長的路要走。（易智）