日前，AICon智能金融技術(shù)與業(yè)務結(jié)合專場在北京舉辦360數(shù)科隱私保護與安全計算研究院院長沈赟受邀參會分享，并結(jié)合金融科技場景，從用戶增長跟風險智能入手，就破解隱私性與可用性矛盾現(xiàn)場嘉賓展開了探討

自《個人信息保護法》正式生效實施，這部圍繞個人信息保護的基礎性法律的影響正在逐步釋放伴隨著政策的有效引導及各行業(yè)的自律探索，人們隱私保護意識得到大幅提升在此背景下，聯(lián)邦學習得以在金融領(lǐng)域廣泛應用

可是，主流的聯(lián)邦學習需要結(jié)合特定的隱私技術(shù)才能達到隱私保護的目的，且對服務器與傳輸量有著不低的要求因此，就如何解決在多種復雜場景下，聯(lián)邦學習運算速度和隱私保護有機結(jié)果的問題，行業(yè)中尚沒有一般化的通用解決方案

為應對以上問題，360數(shù)科首創(chuàng)研發(fā)了基于聯(lián)邦學習的層級聚合風控模型體系，并通過三個層次的設計，凸顯了該體系的應用價值。

第一，數(shù)據(jù)保護在層級聚合風控模式下，360數(shù)科建立了非常嚴格的數(shù)據(jù)管控規(guī)范，各類數(shù)據(jù)要素在學習過程中通過聯(lián)邦學習進行交互與融合，原始數(shù)據(jù)不出庫，最大限度保障了各方的數(shù)據(jù)安全在此過程中，360數(shù)科利用自研的隱私保護機器學習平臺FastFL，支持多方在不傳遞原始明文數(shù)據(jù)的情況下，進行數(shù)據(jù)求交，特征處理，模型訓練，評估等全流程合作建模

第二，聯(lián)邦層級疊套正如同同手同腳游戲，通常以兩人三足為基本單位進行訓練，從而提升整體正確率和效率為了降低在多方聯(lián)邦學習中的各方數(shù)據(jù)耦合性，避免在實際應用模型時，因一方數(shù)據(jù)無法獲取而導致模型完全失效的問題，360數(shù)科創(chuàng)新性地將多方聚合分解為多個雙方聚合，通過多次訓練將穩(wěn)定的單個模型板塊堆疊起來，形成一個最終大模型層級疊套設計克服了聯(lián)邦學習在實際執(zhí)行時難以協(xié)調(diào)兩方以上數(shù)據(jù)要素進行同步聚合的操作困難

第三，數(shù)據(jù)源截斷設計作為科技鏈接屬性平臺，360數(shù)科需保證自身橋梁定位的穩(wěn)定在這一設計下，只需做少量調(diào)整，就能應對數(shù)據(jù)源的突發(fā)性變化，保障了整個風控體系的穩(wěn)定性和可靠性

沈赟表示:金融與科技的融合，如何兼顧隱私性與可用性的關(guān)系，既是企業(yè)必須面對的道德底線，也是考驗企業(yè)技術(shù)是否過硬的先決條件未來，360數(shù)科將繼續(xù)夯實數(shù)據(jù)流通的安全基礎，與行業(yè)共進，促進隱私計算行業(yè)健康發(fā)展

360事業(yè)部首席算法科學家費浩軍認為，未來的發(fā)展需要專攻三大方向：一是精細化運營能力建設；二是理解客戶的能力要不斷加強；三是IT基礎設施和架構(gòu)能力建設。

免責聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，僅代表作者個人觀點，與本網(wǎng)無關(guān)。僅供讀者參考，并請自行核實相關(guān)內(nèi)容。