破解數據信任難題 聯邦學習標準或明年出臺

　　AI技術在實際應用落地的過程中面臨著兩大瓶頸：一方面，多數企業擁有的“小數據”難以聚沙成塔取長補短；另一方面，對數據隱私與安全的日益重視早已成為世界性趨勢。而“聯邦學習”作為加密的分布式機器學習范式，可以使得各方在不披露原始數據的情況下達到共建模型的目的，為應對AI落地困境提供了更多可能性。

　　日前，記者在IEEE P3652.1（電氣和電子工程師學會聯邦學習基礎架構與應用）標準工作組第四次會議上獲悉，聯邦學習標準草案預計將于2020年2月推出，正式標準預計將于2020年上半年出臺。

　　目前，聯邦學習這一新興的AI技術已應用于金融、醫療、城市管理等多個領域。為了提供聯邦學習落地應用的技術規范，為社會各界共建聯邦生態提供合作依據，IEEE聯邦學習國際標準項目應運而生。這一項目由微眾銀行發起，于去年12月獲批，是國際上首個針對人工智能協同技術框架訂立標準的項目。

　　標準工作組主席、微眾銀行首席人工智能官楊強介紹，在數據安全與隱私保護備受關注的環境下，聯邦學習技術這一新興的人工智能技術，有望成為下一代人工智能協作網絡的基礎，建立起機構與用戶間的數據信任，推動科技向善。而聯邦學習國際標準的制定，則將進一步為其在各行業的落地應用提供標準化的體系。

　　“IEEE聯邦學習標準項目組將以更加細致的視角考慮聯邦學習在To B（企業端）、To C（用戶端）以及To G（政府端）不同情境下的場景分類，建立起聯邦學習的需求模板，并針對聯邦學習的安全測評進行了詳細的規劃，這將極大程度豐富聯邦學習標準的內容，對聯邦學習標準草案的出臺具有重要的推動作用�！睏顝姳硎�。

　　楊強介紹，IEEE聯邦學習國際標準項目自去年12月成立至今，已經吸引了30余家科技巨頭公司、政府單位、企業和高校參與到標準制定工作中，覆蓋金融、科技、醫療、教育等多個領域。