7 月 20 日上午，微众银行首席人工智能官、国际人工智能学会理事长、香港科技大学教授杨强在「市北·GMIS 2019 全球数据智能峰会」上分享了联邦学习的最新发展与应用。所谓联邦学习，是多个数据方之间组成一个联盟，共同参与到全局建模的建设中，各方之间在保护数据隐私和模型参数基础上，仅共享模型加密后的参数，让共享模型达到更优的效果。杨强介绍道，联邦学习可分为横向联邦和纵向联邦，横向联邦是指企业各方数据维度相同、ID 维度不同，更多存在于消费者应用中；纵向联邦是指企业各方数据的 ID 维度相同（样本重叠）、数据维度不同，更多存在于 B 端应用。 在具体的应用中，杨强重点介绍了联邦学习在金融行业的应用。比如针对保险行业的个性化保险定价问题，一家互联网企业和一家保险企业进行数据合作，这种合作数据的 ID 重合度相当大，数据特征维度大大增加，使模型的个性化定价效果显著提升，为保险企业带来 8 倍覆盖率提升，和 1.5 倍利润率提升。杨强强调，联邦学习一定是多方共同协作组成一个联盟，生态的建设十分重要。它最大的一个优势是，保证数据不出户，通过生态在不同行业选取合作伙伴，用群体智能不断提升模型效果。未来，安全合规、防御攻击、算法效率、联盟机制等都需要进一步研究。比如联邦学习中各方合作的一个基础就是加密技术，加密算法的效率显得非常重要，算法的改善还有很长的路要走。