TF14联邦学习(Federated Machine Learning) 技术及数据隐私保护

物联网（IoT）由2009年8月温总理视察无锡时提出，是基于互联网、传统电信网等信息传输渠道，让所有具备通信功能的独立物体实现互联互通的网络。物联网的应用之一，是透过收集多个节点的小数据，聚集成大数据来建立应用模型。而边缘计算（Edge Computing）则致力于通过依靠集网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务，从而产生更快的网络服务响应，满足不同行业的实时业务需求。物联网、边缘计算和与人工智能(AI) 的有机结合离不开分布式大数据的安全、合法的管理。近些年来，这些技术虽然成功突破技术与算力上的限制，但依然面临着与数据安全紧密相关的问题。由于竞争关系、安全问题、审批流程等因素，数据在不同拥有方，云和端以及物联网节点之间的流通存在着难以打破的壁垒，形成所谓的“数据孤岛”问题。面临各样的“孤岛”，即便不同行业之间有意愿交换数据，也可能遭遇政策问责和竞争保护。重视数据隐私和安全已经成为世界性的趋势，如欧盟去年5月通过的最新法案——《通用数据保护条例》(General Data Protection Regulation, GDPR) 就是一个最佳证明。 针对以上问题，谷歌公司率先提出了基于个人终端设备的“联邦学习” (Federated Learning）算法框架，而微众银行AI团队随后提出了基于“联邦学习”的系统性的通用解决方案，可以解决个人(to C)和公司间(to B)联合建模的问题。