聯邦學習（Federated learning）在保證數據隱私性的前提下，使用分散在各地的數據，訓練機器學習/深度學習模型，從而在遵守隱私保護法律的前提下，通過協作建模，提升機器學習的效率，其在金融、零售、自動駕駛等領域已有廣泛應用。

正文

繼《網絡安全法》、《數據安全法》、《個人信息保護法》陸續實施之后，國家對網絡安全、數據安全、和個人信息安全都有了明文嚴格的法律法規保護與制約。

毫不夸張地說，數據安全已經成為了整個時代都關注的重要議題之一。跨機構的數據要素融合應用充滿了挑戰，而隱私計算技術發明的初衷，便是服務于各方數據在合作中不被泄露的訴求，其解決最根本的問題是隱私數據的安全性。

天冕科技自２０１９年８月獲得的第一個國家知識產權局的發明專利證書“欺詐檢測和風險評估方法、系統、設備及存儲介質”的評估方法之后，就展開了對隱私計算技術的深入探索，其布局時間遠早于隱私計算風口到來之時，彰顯出天冕科技在創新科技研究方面超前的戰略眼光。

如果我們把創新技術的商業模式按照IT系統和應用平臺兩種類型來劃分，則隱私計算技術的應用從現階段來看，更偏向于定位成一個應用平臺。該類型的劃分在業務邏輯上有著很大的區別。IT系統，在應用中的最終價值，是幫助使用方節省成本；應用平臺，則可能對具體使用方有提升業務的作用。目前隱私計算技術的作用更偏后者，其根本價值，主要是使得機構能夠將內外部數據結合起來對用戶進行分析，從而提升業務收入。在這樣的大背景下，一種基于數據隱私保護技術實現的分布式訓練范式——聯邦學習應運而生，逐漸受到學術界和工業界的廣泛關注。

天冕聯邦學習平臺是天冕科技利用前沿信息技術打造的高效安全數據合作解決方案。該平臺可以充分保護各方用戶數據安全，打破數據孤島，支持企業按照具體的建模場景，溝通并匹配其他聯邦成員，在明文數據不出庫的前提下，共同完成聯邦模型的訓練與構建，幫助建模人員快速搭建聯邦學習任務（橫向聯邦、縱向聯邦、縱橫向混合聯邦等），促進聯邦成員間的交流與共贏；在保護數據隱私的同時，深度連接各個合作方，實現跨數據、跨行業的合作共贏。

天冕聯邦學習平臺攜手合作伙伴，安全共享數據價值

背景：某頭部互金公司需要對存量沉默用戶進行激活營銷，僅使用現存自有數據特征進行建模或者僅參考第三方數據評分只能達到收支平衡，然而引入線下第三方數據進行聯合建模的方式又存在用戶數據泄露的風險；通過使用天冕聯邦學習平臺，在自有數據特征的基礎上引入第三方數據進行聯合建模，有效提升了模型效果和營銷ROI。

實施過程：該頭部互金公司抽取30萬的存量沉默用戶（已注冊但未曾進件）作為樣本，結合某數據服務商提供的第三方數據，依托天冕聯邦學習平臺進行聯合建模之后，將用戶特征維度擴?至上千維度，然后抽取樣本中70%的沉默用戶作為訓練模型，并用該訓練模型對剩余30%沉默?戶進行評分預測。

結果顯示，分值越高的用戶，進件概率越?，在訓練模型中分值排名前5%的樣本用戶里，預測的進件準確率能達到3%（較以往單獨建模預測進件準確率為1%）左右，這說明了該訓練模型對于有貸款需求的用戶具有較高的預測性。

與此同時，天冕科技對?了該頭部互金公司單?建模和多方聯合建模的模型效果，從模型角度和最終預判的貸款需求用戶數量來看，聯合建模?單方建模在AUC、KS等指標上具有更好的區分度和排序性，在對前10%評分高的用戶營銷后，模型KS提升11%。通過使用天冕聯邦學習平臺建模后，該頭部互金公司本期營銷收入增加了68萬。