科研之友
微信
新浪微博
Facebook
分享链接
摘要
人工智能的发展改变了人们生活的方方面面,而人工智能离不开海量的数据支撑。在数据应用过程中,人们越发深刻认识到:数据决定了机器学习的上限,而算法的选择只是为了逼近这个上限。为了能够充分挖掘数据价值,面向场景解决信息不对称等问题,机构间进行数据共享变得至关重要,然而随着用户个人隐私保护、数据安全等监管法规地出台,给多方数据共享提出了新的挑战。联邦学习是一种数据不脱离本地,保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习的新兴人工智能技术。笔者通过对联邦学习基础理论研究,基于微众银行开源框架FATE,利用汇付支付数据搭建了双方数据共享,完成了风险商户识别模型的训练。
