近些年，越来越多的企业意识到数据的重要性。在大数据“喂养”下，人工智能得以快速发展。深度学习的代表——人工智能之所以应用到各行各业，离不开数据支持。企业若不想囿于私域数据，被限制在“一隅”，且又要满足数据合规问题的话，需要采用联邦学习技术，方能挖掘“跨域”数据价值。

　　“联邦学习”是一种分布式机器学习技术，在不交换数据样本的情况下，在多个分散的边缘设备和服务器上训练算法，以达到在数据“可用不可见”的基础上进行安全联合建模。简单来说，联邦学习具有众筹和协作之意，搭建的系统具有聚合功能，其在推动数据融合，解决“数据孤岛”难题上，释放更多数据动能。于企业而言，除私域数据之外，其还可将多维度的外域数据作为参考，并以此为基础做出更为准确的决策。

　　目前，联邦学习已在医疗、金融、物联网等领域有所应用。在金融行业，联邦学习已在一些关键领域上取得了进展。

　　作为国内领先的人工智能与大数据应用平台，百融云创利用“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。

　　通过合理利用联邦学习技术，百融云创帮助金融机构解决金融数据共享与数据隐私保护之间的痛点，更好地发挥金融数据潜力。在未来的技术创新过程中，百融云创仍将立足行业需求，扎根技术创新，共筑数字金融安全“生命线”。