加大联邦学习技术研究投入,FATE生态成员建信金科挖掘金融数据的应用价值

(原标题:加大联邦学习技术研究投入,FATE生态成员建信金科挖掘金融数据的应用价值

近日,北京金融科技产业联盟发布了《金融科技发展研究专项课题项目清单》,其中FATE技术委员会(下称TSC)成员——建信金科申请的“基于隐私保护计算技术的金融领域数据融合应用研究”项目成为四项一类重点课题之一。

作为FATE开源社区(TSC)的重要成员,建信金科的加入与科研投入,标志传统金融集团对联邦学习为代表的,新兴技术的认可度不断提升,也体现出隐私计算对金融数据价值释放的能力

据第三方专业机构整理,目前隐私计算技术可以分为三大类

一是基于TEE可信执行环境底层开源项目,在CPU级别进行数据的加密计算及传输,是安全沙箱的加密升级版。

二是安全多方计算的工具软件,相对灵活,一般作为大平台的某个组件出现。

三是结合密码学技术和人工智能框架的联邦学习开源项目,架构强,平台化,可进行完整的数据应用。

目前国内巨头隐私计算领域技术的开源项目情况

据了解,金融行业领域对结合其他技术的联邦学习框架更为青昧

微众银行人工智能部发布的全球首个联邦学习工业级开源框架FATE为例——目前FATE开源社区已汇聚了500多家企业、220所高校科研机构开发者。同时以此为基础官方团队合作伙伴共同取得了中国人工智能开源软件发展联盟标准、IEEE在内的等多个国内外联邦学习行业标准

各个机构组织基于FATE这样的开源技术底层,能更为敏捷地开发出应用级产品,同时在开源生态下多个组织之间通过联合建模方式,互联互通共享数据的价值,以满足自身的市场需求,同时符合监管层对隐私数据的监控

随着联邦学习开源框架FATE生态的不断发展,其技术委员会(TSC)吸引了来自各个领域的知名厂商参与,如金融行业的建信金科、微众银行,互联网行业的腾讯,金融清算行业的银联、软件基础设施提供商VMware。

事实上,不仅国内的BAT拥有隐私计算的开源技术。作为保障大数据合作安全的关键基础软件,国外的FaceBook、谷歌同样地也通过开源的模式正不断地扩展技术市场的覆盖,用科技技术帮助金融业延展其枝干,让树荫遮挡更广阔的空间

相信在诸如联邦学习FATE这样优秀的开源生态下,利用开源底层技术,将帮助金融行业不断科技化,金融领域数据的融合应用,未来可期。