2020世界人工智能大会 | 天云数据分享要点回顾：联邦学习实现数据交换传递 领跑AI产业化落地

要点回顾：

｜联邦学习能够突破人工智能瓶颈，无疑将成为领跑AI产业化落地的C位企业。

去年（代指2019年），Facebook因泄露隐私数据被罚 50 亿美元，使得数据隐私和安全再次成为大家关注的焦点。那么，如何在保证隐私安全的前提下合理利用数据？如何突破数据孤岛、小数据、用户隐私的保护等导致数据的割裂？

联邦学习是一个既能建立大数据模型，又能保护数据安全和用户隐私的有利的工具。

天云数据助力金融机构做异常交易监管的实际应用中，发现需要全行业的机构来做训练，而各个金融机构异常标注数据非常少，而各大机构又很难把庞大的交易数据做共享与交换，因此在实际案例中，天云数据采用联邦学习的方法，实现交易数据在不共享前提下，完成了跨机构模型训练。

｜未来市场是从数据中提炼知识，模型作为知识容器来完成数据价值流通

move data, or move code？现在的趋势是移动模型。多方计算还有联邦学习，思路和方法不一样，但思路都是去移动模型本身，而不是移动数据，在原始数据没有移动的情况下，通过任何一种多方计算技术、联邦学习，把商业价值形成了转移。

天云数据助力金融机构异常交易监管为例，各个分布在全行业的机构，并不需要访问监管部门的行业敏感数据，而只是将其知识做封装和移动，抽象出来特征。不需要移动数据、访问数据，就可以将行业的知识来替代之前的经验规则，将成为AI服务于数据流动、交易、定价的商业实践。