【重磅发布】百度参编信通院《联邦学习场景应用研究报告（2022 年）》

2022 年 2 月 21 日，中国信息通信研究院（以下简称：信通院）发布了《联邦学习场景应用研究报告（2022 年）》。报告在整体梳理联邦学习关键技术和产业发展情况、国内外相关政策法规标准现状的同时，系统分析了联邦学习在政务、医疗、金融、广告、物流的应用价值及典型应用案例，为我国联邦学习标准框架和重点标准研制、联邦学习技术安全应用、联邦学习与产业融合安全有序发展及推广提供了有力指导和技术支撑，实现为数据应用价值的释放带来标准解读和实际参考。

2021 年以来，《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》相继实施，个人隐私和产业机密数据保护日趋完善，以联邦学习技术为代表的隐私计算赛道产业生态逐渐丰富，在着重强调数据安全和个人信息保护的同时，完善了数据相关合规监管框架，为数据流通和使用进一步拓展了空间。作为国内联邦学习的先行者，也是本次《联邦学习场景应用研究报告（2022 年）》的编写单位之一，百度结合自身联邦学习产品-百度点石联邦学习的技术能力、业务经验和实践成果，全面支持了报告的撰写工作。

基于信息化社会的发展，各行业积累了大量的数据，而这些数据掌握在不同的实体手中，受技术、安全和监管等的限制，无法有效的分享融合，形成一个个独立的数据孤岛。为了让数据共享更简易，同时又能保障数据安全，出现联邦学习技术，它可以做到在数据不流动的前提下进行数据融合共享与价值挖掘。

如银行机构希望能够打造一体化全流程反欺诈体系，建立集交易事前防范、事中监控及事后分析的风险监控体系。而单方数据早已不能满足、有效防范电信网络诈骗、银行卡欺诈、互联网交易欺诈等综合风控需求。某银行客户通过百度点石隐私计算平台，在各个数据源内搭建联邦学习平台，安全合规融合多方数据资源，保证各方数据不出域的情况下，汇聚多源历史数据进行联合建模，构建了全流程风险防控体系。当有新客户开展贷款业务时，通过部署上线的营销反欺诈模型进行模型预测，针对白名单客户输出风险分值，以此提高了现有 AI 风控模型准确率，同时降低人工审核成本，提高审核效率。

如政府机构拥有多个业务系统，但各业务系统只能纵向运转，无法横向贯通现有系统，数据无法满足系统间数据连通需求。导致大量政务数据聚无法为业务提供应用支撑，各系统使用不同的网络（互联网、政务网、专网等）。某市政府通过百度点石隐私计算平台，在近 50 个委办局、社会面机构本地部署计算节点，满足各方“数据不出域”、“可用不可见”、“网络连通”的三大诉求，成功拉通政府部门、相关体系、社会面数据的汇聚、治理与融合，为上层政务大脑、业务应用提供政务数据基础设施支持，打造政务数据基础设施，助力政务数据安全共享与开放。

在“十四五”规划明确要求“释放数据要素价值”的指导思想下，百度积极响应行业监管单位的号召，于 2021 年 7 月份加入中国信通院发起的“卓信大数据计划”，并积极完善自身数据安全保障体系建设，于 2021 年先后带领旗下百度点石安全产品通过了信通院「可信数据流通平台 基础能力专项测评」、「联邦学习 基础能力专项测评」产品测评、可信数据服务（国内首家）、可信执行环境、基于安全多方计算的数据流通产品、联邦学习安全评估专项、多方安全计算金融应用测评（CFCA）等多项测评。

百度在规范自身联邦学习产品、技术合规性的同时，也积极致力于为国内联邦学习生态体系建设贡献自己的安全力，形成具有独特技术领先性的产品和解决方案，助力于整个行业的健康快速成长。截止目前，百度联邦学习产品-百度点石联邦学习解决方案已经实现在数十家行业客户中落地应用，助力医疗、金融、营销、政务、传媒等领域客户显著地提升运营效率，并为客户在数智化转型过程中的数据安全与隐私保护能力。未来，百度点石将继续坚持自主研发，并积极与学、产、研各界紧密合作，不断完善自身产品及服务，致力于推动我国联邦学习产品技术水平不断提升，为数据强国提供强有力的基础支撑。