8月7日，为期三天的第五届全球人工智能与机器人峰会（CCF-GAIR 2020）开幕。本届峰会以“AI新基建，产业新机遇”为主题，吸引了2000人次学术界和工业界的与会者，百舸“基”流，重点探讨AI学术基础与产业落地的未来发展趋势。本届峰会由中国计算机学会 CCF 主办，雷锋网和香港中文大学（深圳）联合承办，鹏城实验室和深圳市人工智能与机器人研究院协办，学界权威、明星企业、行业精英共济一堂，“产、学、研”专业人士畅所欲言。

　　值得注意的是，CCF-GAIR 2020峰会首次设立了「联邦学习与大数据隐私」专场，充分触达人工智能领域研究前沿。闭幕日当天，相关重磅奖项接连发布，微众银行荣膺“联邦学习开拓奖”，微众银行首席人工智能官杨强教授发表主题演讲，同与会嘉宾分享联邦学习的最新发展及应用情况。

　　（联邦学习与大数据隐私专场颁奖现场）

　　“在AI研究上，我们并非全然落后”

　　对于人工智能研究来说，联邦学习是我国在国际上鲜有地拥有话语权的技术研究领域，这得益于其在国内理论研究、发展路径、开源项目、应用实例等方面的日臻成熟。杨强教授在《联邦学习的数据价值和模型安全》主题演讲中提及，由于当前数据孤岛特性、G端政府监管对数据安全的要求，C端用户对数据隐私保护的需求，使得数据价值难以完全发挥效用，面对人工智能面临的新挑战，微众银行最早系统性提出了联邦学习理论体系，使其成为业界技术研究与应用的焦点。

　　联邦学习创新性实现了“数据不动模型动”、“数据可用不可见”，让不同机构之间进行AI协作，数据和模型都保留在本地，建模的过程保证了数据的安全，有效地帮助各个参与者在满足用户隐私保护、数据安全和政府法规的要求下，进行联合数据使用和建模。随着研究发展态势的日益清晰，微众银行杨强教授团队对上述技术原理进行了系统性阐释，将学术成果和工程经验汇编为《联邦学习》专著，联邦学习第一本“教科书”诞生，这也标志着联邦学习技术正式走向成熟。

　　据悉，为了使联邦学习生态系统拥有可靠的安全计算框架，微众银行随即推出开源全球首个工业级联邦学习开源框架FATE，并领衔制定联邦学习IEEE标准等国际国内行业标准。在微众银行的积极推进下，联邦学习开源项目FATE社区目前已有超370家企业、164所高校合作，成为国际上知名的联邦学习开源软件，优秀的开发者更是数不胜数。

　　加速成果应用，实现跨领域服务

　　如果说以数据隐私安全需求为导向的技术理论是联邦学习的坚实主体，那么成熟的行业标准、开源框架等客观有利条件，则同成功的落地实践一起构成它的“两翼”。联邦学习可以应用于不同行业及其垂直领域，包括医疗健康、金融服务、供应链等。在当日举行的「AI金融」专场，杨强教授对联邦学习在金融服务领域的落地应用成果进行了介绍。

　　他表示，联邦学习技术能够加速大数据合作生态构建，在“互联网+银行”方面，通过发票数据、征信分等标签属性进行联合建模，预测小微企业信贷逾期概率，解决小微企业信贷的风险管理难题；在反洗钱方面，满足金融数据安全合规要求，解决样本数据集少的问题。同时，微众银行利用“RTA+联邦广告”，在数据加密及隐私保护的前提下，优化后端转化效果，实现目标人群的精准触达，兼顾数据安全和长链路优化。

　　目前，微众银行带头牵线成立联邦学习产业生态发展联盟，旨在推动以人工智能及联邦学习算法为核心的技术创新, 打造以提升数据价值及加强信息隐私安全保护为目的的产业生态系统。未来联盟将吸纳更多会员单位、咨询专家加入，持续推动相关技术在各个产业场景的应用落地, 引领产业的快速、健康发展。