什么是银行联邦学习
这里面有个核心概念：联邦学习。这个概念最先由Google在2016年提出，是结合了近年来人工智能技术和区块链技术发展成果而衍生出来的新技术，用以保证在数据隐私安全、合法合规的基础上，利用各个节点掌握的数据实现共同建模，提升人工智能模型的效果。那么银行联邦学习，就是该技术在银行业务场景中的应用。
银行联邦学习的价值
在经历了大数据技术野蛮发展的数年之后，数据安全、数据隐私，合规合法地使用数据慢慢成为人们的共识。每一次公众数据的泄露都会引起大众和媒体的广泛关注，近年来各国也在加强立法，保护数据的安全和隐私。如2018年，欧盟就通过了《通用数据保护条例》（General Data Protection Regulation，简称GDPR）。我国也于2021年9月1日，正式施行了《中华人民共和国数据安全法》。这些法律法规也对人工智能和大数据建模提出了新的约束和挑战。
与此同时，由于行业竞争、数据安全、手续复杂等等原因，数据源之间也存在着很大的壁垒。而利用大数据和人工智能算法建模，需要多个领域的数据。但是在很多行业中，数据都是以孤岛的形式存在，甚至在同一家公司的不同部门，数据都无法做到真正地流通。数据孤岛也在严重影响着人工智能和大数据建模的效果。
而联邦学习，正是应对这些矛盾和挑战的解决之道。联邦学习是一种加密的分布式机器学习技术，能够保障各参与方的自有数据不出本地，系统通过加密机制下的参数交换方式，在不违反数据隐私保护法规的情况下，打通数据孤岛，目前，银行联邦学习技术的应用和实践走在前列。
冰鉴科技赋能银行联邦学习
冰鉴科技基于多年来在人工智能技术领域的深耕和钻研，推出了冰盾联邦学习平台，赋能银行联邦学习。冰盾联邦学习平台，是冰鉴科技利用联邦学习、多方安全计算等人工智能技术，结合多年在金融行业丰富的风控建模经验和系统研发能力研制而成。该平台的主要功能是实现数据可用不可见，帮助金融机构解决数据应用过程中的数据合规和隐私保护问题，实现“金融信息+场景数据”的多方跨界融合，降低金融风险，提升服务水平。
值得一提的是，冰鉴科技与南京银行上海分行联合申请的创新应用项目“基于多方安全计算的差异化营销平台”成功入选中国人民银行金融科技创新监管试点。银行联邦学习技术就是该项目的核心技术。据悉，冰鉴科技在科技上持续投入研发，技术人员占全员比例始终保持在70%以上，历年科技研发费用占营业收入比重超30%，累计申请发明专利近100项。
