本期導讀

9月24日，“聯邦學習平臺互聯互通及技術前沿研討”技術沙龍活動順利舉行，鍩崴科技應邀出席活動並作主題分享。

為促進公司在隱私計算和聯邦學習技術領域的產業合作，實現前沿技術、應用研究和一線市場需求之間的有效對接和融合，中移科協研究院分會、科技委業務領域工作組於9月24日舉辦了“隱私計算和聯邦學習技術前沿與應用發展系列活動”第二期——“聯邦學習平臺互聯互通及技術前沿研討”技術沙龍活動。本次技術沙龍由中國移動研究院承辦，分為線下會議+線上直播兩種形式，邀請隱私計算行業權威專家出席，共同研討隱私計算聯邦學習技術。鍩崴科技創始人、CTO王爽教授應邀出席此次活動並作題為《隱私計算賦能資料價值可信流動》的主題分享。

近年來，資料作為核心生產要素受到格外重視，但是由於資料載體形式的特殊性，如何保證資料所有者權益，保護資料安全，發揮資料的價值，是大資料產業進一步發展的一大挑戰。隱私保護計算作為資料的新型技術，全面支撐資料要素化、資產化的需求，促進大資料產業發展，為資料共享提供前所未有的強有力支撐。

隱私保護計算，廣義上是指帶有隱私保護的計算系統與技術，能夠在不洩露原始資料取得前提下，對資料進行分析處理分析驗證，包括資料的生產、儲存、計算、應用等資訊處理流程的全過程。它能夠在保證資料所有者權益，保護使用者隱私和商業秘密的同時充分發揮資料價值，是資料資產化的基礎性支撐。可以預見的是，隨著國家對隱私資料監管的加強，企業與個人對自身資料價值重視程度的提高，資料資產化的發展，作為大資料行業、人工智慧行業、新基建的技術基礎設施，隱私保護計算將在最近幾年實現爆炸式增長。

王爽教授

作主題演講

在目前主流的隱私保護計算實現技術中，聯邦學習技術，被認為是最具有潛力的技術解決方案。2013年，

王爽教授

團隊發表了全球第一篇醫學線上聯邦學習論文【1】，該篇論文首次提出了分散式隱私保護線上機器學習的概念，隱私保護與線上機器學習第一次被關聯起來，並且這一技術框架被應用於國家級生物醫療健康資料網路中，服務於幾十家醫共體，保護數千萬病人資料的隱私。2016年，谷歌提出了應用於安卓手機端資料分析的橫向聯邦學習，用於解決手機使用者資料隱私保護問題【2】；

Gartner每年一度技術成熟度曲線報告，因其前瞻性和多年對全球科技趨勢的連續跟蹤，已經被視為了解全球科技新動向最具參考意義的報告之一。在其2021年度隱私計算技術成熟度曲線報告中，聯邦學習也被納入其中，這恰好契合了新數字時代打破資料孤島和資料隱私安全保護的需求，而它作為機器學習的一個新分支，同時也為人工智慧和大資料應用的新時代打開了大門。它兼具隱私保護和跨機構資料共享的特性，逐漸成為解決資料隱私保護與資料共享問題的首選技術。聯邦學習在多個領域（如醫療、金融、安防、智慧城市等）已經展示出了多元化的優勢和生命力，並逐步在數字經濟更廣的範圍內拓展。聯邦學習技術已經在全球範圍內掀起了一場以技術為驅動、法律為監管、資料為要素的資料共享應用的新模式。

參考文獻

Reference

【1】S。 Wang， X。 Jiang， Y。 Wu， L。 Cui， S。 Cheng， and L。 Ohno-Machado， “EXpectation Propagation LOgistic REgRession （EXPLORER）： distributed privacy-preserving online model learning，” J。 Biomed。 Inform。， vol。 46， no。 3， pp。 480–496， Jun。 2013。

【2】J。 Konen， H。 Brendan McMahan， F。 X。 Yu， P。 Richtárik， A。 T。 Suresh， and D。 Bacon， “Federated Learning： Strategies for Improving Communication Efficiency，” arXiv ［cs。LG］， Oct。 18， 2016。 ［Online］。 Available： http：//arxiv。org/abs/1610。05492