近日,光大科技基于“可验证秘密分享技术”研发的“联邦学习平台多方安全求和算法”被全球首个工业级联邦学习框架FATE(Federated AI Technology Enabler)社区采纳,成为首家银行系科技公司源码贡献者,并经专家委员全票通过,正式成为联邦学习社区技术指导委员会(Technical-Steering-Committee)成员,在未来共同制定联邦学习发展方向,成为金融科技联邦学习领域规则制定者,为日后扩大光大联邦学习生态圈奠定坚实基础。
联邦学习作为新兴人工智能基础技术,旨在保障大数据交换时信息安全、保护终端数据和个人隐私、保证合法合规的前提下,在多参与方或多计算节点之间开展高效率的学习算法。2019年2月,全球首个工业级联邦学习框架FATE(Federated AI Technology Enabler)正式发布,FATE提供基于数据隐私保护的分布式安全计算框架,为机器学习、深度学习、迁移学习算法提供高性能的安全计算支持,并成立开源技术社区,集各方智慧共同规划联邦学习发展宏图。
2020年底,光大科技联邦学习技术专家李钰经过近半年科研,探索出基于可验证秘密分享技术实现的全新联邦学习安全协议,在此基础上实现了联邦学习平台多方安全求和算法,并贡献此成果到联邦学习FATE开源社区,成为首位金融领域社区源码贡献者。
同时,光大科技大数据研究团队负责人王鹏代表公司成为FATE联邦学习社区技术指导委员会(TSC)成员,深度参与FATE联邦学习框架发展路线规划,并对联邦学习技术的发展方向起到关键性指导作用,充分证明光大科技在联邦学习技术领域的业界领先水平。
近年来,光大科技深入探索联邦学习技术实践落地,通过可验证秘钥共享等技术解决行业内外数据隐私与数据共享矛盾。同时,随技术更新迭代,通过建立精准、快速的联邦学习模型,解决金融风控、营销等场景下数据隐私安全计算问题,推动更多金融科技成果落地,为金融服务提供更富创造力的实践路径。
未来,光大科技将作为TSC成员,不断促进联邦学习技术在金融领域方向的良性发展,持续与国内外高校、金融机构展开合作,驱动金融行业安全合规下的数据共享与应用场景创新,更好地发挥联邦学习在金融领域数字化及智能化业务转型中的关键作用。
特别提醒：本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。
