当前所在位置:主页 > 社区 >

2021年度FATE社区生态峰会召开联邦学习产业化成果集中展示

发布日期:2021-12-24 23:08   来源:未知   阅读:

  原标题:2021年度FATE社区生态峰会召开,联邦学习产业化成果集中展示

  12月18日,FATE社区2021年度生态峰会在深圳召开。本次峰会以“联结产业”为主题,设置了多场联邦学习具体应用场景落地的话题分享。

  这是国内联邦学习产业化应用开启以来,对不同行业、不同场景下联邦学习技术应用进展、商用案例较为全面的一次总结和展示。来自中国银联、工商银行、毕马威、微众银行、医渡云、深圳电信、VMware、星云Clustar等多领域多机构代表悉数出席。

  峰会首先由FATE Linux开源社区技术指导委员会主席、加拿大工程院及加拿大皇家科学院两院院士、香港科技大学讲席教授杨强开场致辞。他表示,联邦学习的属性强调了“共同”的概念,共同建立模型,通过开源的方式让多方共同使用并验证平台的安全可用性,朝着互联互通、轻量适用的方向更好地推进社区建设。毕马威中国华南区金融科技合伙人蔡正轩致欢迎辞,他提到,联邦学习、隐私计算近年来的发展非常快,在金融科技领域研究这个方向的公司也在快速增长,相信联邦学习、FATE开源社区会为大数据和AI的数据价值挖掘提供很好的助力。

  随后,微众银行人工智能部研究员范涛介绍了联邦学习FATE开源社区2021年的最新发展情况。他表示,2021年,国内联邦学习产品和标准进入快速推进阶段。截至2021年,社区成员已经基本覆盖了国内主要云计算、云原生企业及不同行业中数字化升级加速的各类商业公司、研究机构。FATE社区更是日臻完善和壮大,国内众多优质公司积极申报为成员单位,为联邦学习生态的总体繁荣提供了必要基础。

  FATE是全球首个联邦学习工业级开源框架,可以让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。FATE于2019年2月首次对外开源,于2019年6月捐献给Linux基金会,并成立FATE 技术指导委员会TSC对FATE社区进行开源治理,截至2021年已经有1000余家企业和300余家科研机构参与开源生态共建。

  在技术方面,星云Clustar CTO张骏雪和VMware中国研发先进技术中心技术总监张海宁分别介绍了如何通过算力加速赋能联邦学习及企业级联邦学习平台在部署应用方面的特点。

  据张骏雪介绍,联邦学习凭借“数据不动模型动”的技术优势,快速在金融、政务、医疗等产业场景中得到应用。与之伴生,使用同态加密带来的算力及通信开销也在不断制约联邦学习大规模应用。如何通过算力加速,使联邦学习技术与业务结合更加紧密,提升技术效率成为行业的共同挑战。目前,星云Clustar自主研发的基于Xilinx VU13P芯片的FPGA加速卡已广泛应用于数据中心,实现算力与通信的能力大幅提升。未来星云也将继续发挥在算力加速方面的技术优势,承载起FATE生态“算力担当”的角色,共同推动社区生态建设。张海宁认为,尽管近年来联邦学习已取得长足发展,但数据的现状依然不理想,数据孤岛、数据分布不均、缺少标注数据等问题尚待解决,企业级联邦学习平台正是针对上述问题的优解方案。VMware作为FATE社区的主要贡献者之一,将在云原生定制化部署方面继续努力,助力数据安全和互联互通。

  在行业应用方面,金融、医疗、通信等行业成为联邦学习商业化的领跑领域。在金融业务中,银行纷纷发力联邦学习驱动和保证下的数据应用,在智能风控、反洗钱等场景发挥重要价值;在医疗行业,AI远程诊断,实现跨院、跨科研机构的数据共享,在临床应用中的比例正逐年提升;在通信业,激活运营商除基础通信数据之外的周边数据,让高质量数据(如客户征信信息、行为习惯等)实现跨行业共享。

  中国银联金融科技研究院团队负责人周雍恺表示,金融属于强监管行业,数据安全和用户隐私的需求尤为明显。如何在安全的前提下确保数据流动、挖掘数据价值,隐私计算可以提供很好的保障。另一方面,当前隐私计算各异构平台之间难以互联互通已经对行业发展造成很大的困扰,隐私计算孤岛化与不可控风险加大,业界对于互联互通的诉求非常迫切,需要产业各方的努力共同推动互联互通的落地,开源社区在其中可以发挥重要的作用。中国工商银行大数据和人工智能实验联邦学习团队负责人强锋则介绍了联邦学习在金融行业应用的进展,尤其是在反洗钱、风控等方面,在联邦学习的技术加持下,银行业务中的数据合作实现了“数据可用不可见”,极大提升了服务效率和质量。

  深圳电信金融及新兴行业解决方案部门总监杨建伟介绍了联邦学习在通信行业的应用经验。他说,在5G时代,连接是万亿级别的,信息数据爆炸。在通信行业,不仅有狭义的通信数据,也有大量有价值的周边数据。如何在保证用户隐私和数据安全的前提下,将这些数据赋能给千行百业使用,推进社会进步,是我们当前需要解决的问题。而联邦学习可以在遵守安全原则的前提下打通网络环境,通过专属加密通道交换对方加密后的训练梯度、模型数据,保护数据隐私及安全的同时赋予数据更多价值。

  联邦学习如何深入应用于医疗场景?医渡云首席架构师蒋锦鹏以医渡云在医疗领域的成果为例进行了解读。他表示,数据/研究/模型的核心模式形成了对联邦学习的天然需求。在医疗方面,各类医学研究及AI模型训练需要数据支撑,研究者正进行各种形式的数据合作,多中心研究相比单中心科研有着不可替代的优势。但这带来了如何实现数据“可用不可见”的挑战。如何在保障数据安全合规的前提下,基于多家医疗机构的数据进行联合建模研究,这就需要隐私保护计算的底层支撑。医渡云搭建的健康医疗大数据平台,可以高效地实现院内多源异构数据集成和数据治理,基于隐私计算技术同时支撑院内和跨院多中心科研高效开展。这是联邦学习在智能医疗时代的典型应用。

  在行业先行者的持续推动下,联邦学习商业化呈现出从关键行业到泛行业的普及态势。除上述几大行业外,在智能制造、工业物联网等领域,联邦学习也在起技术支撑作用。可以说,只要有数据需求的行业,就必然伴随联邦学习的同步“保驾护航”。作为底层技术保障,联邦学习开源的意义日益凸显,从建立标准、产品/系统迭代,再到形成生态,并最终促成多行业中的联邦学习技术商业化,2022年技术+商业双繁荣的局面值得期待。希望更多优秀的机构及个人开发者参与共建FATE开源社区,共同推动联邦学习生态发展与应用创新。返回搜狐,查看更多