隨着數字經濟的飛速發展，全球私隱數據專利數量增長迅速。近日，全球知識產權綜合信息服務提供商IPRdaily與incoPat創新指數研究中心聯合發佈2022年「全球私隱計算技術發明專利排行榜（TOP100）」，微眾銀行以204件專利位列排行榜第八名，在所有入選榜單的銀行當中，微眾銀行名列全球第一。

 

    針對近兩年來私隱計算和聯邦學習發展和應用中面臨的挑戰，聯邦學習FATE開源社區技術指導委員會主席、微眾銀行首席人工智能官楊強教授及團隊對聯邦學習的理論進行了持續的豐富和拓展，提出了「可信聯邦學習」概念，探索解決近年來私隱計算和聯邦學習發展和應用中面臨的安全、效率、性能三者均衡的問題。

 

    數據安全日漸成為關係國家安全和發展、關係廣大人民群眾切身利益的重要議題。數據安全法、個人信息保護法等法律對數據的保護和開發利用做出了明確的約束和規定，為數字經濟的健康發展保駕護航。2022年，私隱計算商業化和算法迭代雙提速，以聯邦學習為代表的私隱計算正在成為解決數據安全與開放共享之間矛盾的重要技術路徑。

 

    微眾銀行是國內首個提出「聯邦學習」（Federated Learning）的機構，聯邦學習為人工智能落地中數據孤島與數據私隱保護難題提供了通用解決方案。

 

    聯邦學習是一種機器學習技術，可以在不交換數據樣本的情況下，在多個分散的邊緣設備或伺服器上訓練算法。相比傳統的數據授權和數據傳輸模式，聯邦學習既能滿足私隱保護的要求，又能夠實現商業訴求。

 

    此次楊強教授提出的「可信聯邦學習」是指安全可信的聯邦學習，其本質是能夠滿足用戶和監管等各方面需求的分佈式機器學習範式。私隱保護、模型性能、算法效率作為該範式的核心三角基石，與模型的決策可解釋性和模型的可監管性兩大支柱，共同構成了更加安全可信的聯邦學習。

 

    楊強教授指出，利用該定律，可信聯邦學習將安全-性能-效率三者形成有機整體，以實現更高質量的私隱保護，同時達到既不犧牲數據安全保護,也不致使模型性能和學習效率的大幅下降的效果。

 

    作為國內首家互聯網銀行，微眾銀行自成立之日起，就制訂了「ABCD」（AI人工智能、Blockchain區塊鏈、Cloud Computing雲計算、Big Data大數據）金融科技戰略，在多方安全計算、區塊鏈、聯邦學習等方面積極開展研究和應用，並融合構建私隱計算核心能力，在私隱計算領域已有豐富的經驗及眾多落地成果。

 

    在聯邦學習方面，早在2019 年 2 月，微眾銀行便將自主研發的全球首個工業級聯邦學習框架 FATE予以正式發佈，提供基於數據私隱保護的分佈式安全計算框架，為機器學習、深度學習、遷移學習算法提供高性能的安全計算支持。目前，FATE已在信貸風控、客戶權益定價、智慧零售、智慧醫療、監管科技等領域推動應用落地。

 

    在區塊鏈方面，微眾銀行在多年技術沉澱的基礎上，發佈的區塊鏈核心項目已超過 10 個，構建了涵括底層、中間件和應用組件在內的全棧技術體系。而在安全多方計算方面，微眾銀行給出了場景式私隱保護解決方案WeDPR。該方案組合多種私隱保護策略，融合安全多方計算、同態加密、零知識證明、選擇性披露等算法，滿足多變業務流程。

 

    據悉，微眾銀行在科技上持續投入研發，科技人員佔全員比例始終保持在50%以上，歷年科技研發費用占營業收入比重超10%，累計申請發明專利超2000項，其中2019年公開的發明專利申請量632件，居全球銀行業前列。（記者黃裕勇）