近年来，人工智能已经成为新一轮科技革命和产业变革的重要驱动力量，基于行业大数据进行学习，发现知识，创造价值。

　　而大数据也已经成为企业和个人最重要的资产，比如对个人而言，它不仅是数字环境中的个人信息收集、使用、整理、处理或共享，更关系到个人在数字世界中的存在，在互联网的急剧发展下，数据安全和隐私边界等也愈加重要。

　　那么如何在保证用户隐私安全的前提下合法合规获取数据?已经成为当下人工智能大规模应用于产业的关键。联邦学习，正是解决这一矛盾的利器。

　　联邦学习是一种分布式加密机器学习技术范式，因其可兼顾大数据合作需求和隐私安全保护，近两年发展极为迅速，渐渐成为各行各业大数据合作与AI协作的“标配”，尤其是金融、医疗、智慧城市等对数据安全要求极高的强监管行业，对这一技术系统化的认知需求也愈发强烈。

　　作为国内首倡并大力推广联邦学习技术的微众银行，近日，以立足产、学、研多领域的深厚经验推出了《联邦学习》这一重量级专著。这是世界上第一部系统介绍联邦学习的专著《联邦学习》中文版上市。

　　该书由电子工业出版社出版，微众银行首席人工智能官杨强教授及人工智能部刘洋、程勇、康焱、陈天健、于涵等多位人工智能领域顶级专家历时两年，共同撰写而成。该书对联邦学习这一人工智能新兴技术进行了系统性阐释，并且全面分享了微众银行在联邦学习领域的深厚积累。

    　　微众银行首席人工智能官杨强教授是国际人工智能界的领军人物，是 “迁移学习”(transferlearning)的开创者，并且带领团队首次提出“联邦迁移学习”(Federated Transfer Learning)的研究新方向。他于2013年7月当选为国际人工智能协会(AAAI)院士，是第一位获此殊荣的华人，之后又于2016年5月当选为AAAI执行委员会委员，是首位也是至今为止唯一的AAAI华人执委。2017年8月他当选为国际人工智能联合会(IJCAI，国际人工智能领域创立最早的顶级国际会议)理事会主席，是第一位担任主席的华人科学家。2019年他获得第九届吴文俊人工智能杰出贡献奖，是国内人工智能领域最高奖项。近期，他又被选为AAAI 2021 大会主席，将成为AAAI 大会历史上第二位大会主席，也是担任此职位的首位华人。

　　在书中，微众银行全面、系统地阐述了如何将联邦学习与分布式机器学习、密码学和安全深度结合，并吸纳经济学原理和博弈论的激励机制设计相关理论，以解决“在数据不出本地、确保数据安全的情况下，让多个数据拥有者共享数据模型”的问题。此外，更介绍了联邦学习研究和开源平台等前沿成果，以及联邦学习在金融、计算机视觉等领域的落地实践案例。

　　凭借理论专业性及立足实践的实用性，该书获得国内外顶级专家认可与推荐。中国科学院院士、清华大学人工智能研究院院长张钹在书的序言中写道，“《联邦学习》一书主要从技术维度出发，重点研究了联邦学习对AI的隐私保护和数据安全问题。从广度上看，此书除了讨论了四种联邦学习的基本类型，还讨论了相关的联邦学习激励机制和分布式机器学习。而从深度上看，书中包括原理、算法、平台和应用实例。本书作者杨强等均来自微众银行，他们都参与了联邦智能使能器(Federated AI Technology Enabler，FATE)的联邦学习平台的开发。本书的许多思想来源于这个实践，因此具有实用性。”

　　中国工程院院士、北京大学教授、鹏城实验室主任高文，创新工场董事长兼CEO李开复，欧洲科学院外籍院士、IEEE Fellow，中国人民解放军军事科学院副院长梅宏，第十三届全国政协经济委员会委员肖钢，南京大学人工智能学院院长、欧洲科学院外籍院士、ACM/AAAI/IEEE Fellow周志华等为书撰写推荐语。本书作者之一，联邦学习技术最早的布道者，国际人工智能界领军人物杨强教授曾指出：“联邦学习作为下一代人工智能大规模协作的基础，迎合了技术和社会的需求，将承担起人工智能在发展和应用中的重任。”

　　这是一个海量的却又是碎片化的数据时代，数据的“社会属性”日益凸显——既需要独立又需要合作，只有互帮互助却又保持着个体的隐私安全才能发挥最大的智慧与价值。联邦学习(Federated Learning)的出现，是来自于人工智能落地的商业化实践探索，也将回归实践，为数据隐私保护难题提供了领先的解决方案。相信这本书也会让更多的学者和工程师了解联邦学习，参与共建联邦学习生态。

　　《联邦学习》这一重量级专著的诞生，或许正是联邦学习技术的又一个腾飞，它标志着这一技术走向成熟，未来，这一技术势必将作为强有力的催化剂，让人工智能在不同的行业实现数据协同，保护用户个人隐私的同时，实现全社会的智慧变革。

　　 

　　 

Tags：互联网(282)银行(412)电子(131)工业(133)智慧城市(10)

转载请标注：信息网——微众银行发布世界第一本《联邦学习》专著，全面解析数据隐私保护难题

免责声明：信息网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考，不构成投资建议。如果您发现网站上有侵犯您的知识产权的作品，请与我们取得联系，我们会及时修改或删除。