推薦序
科技是第一生產力,每一次新技術的出現都會帶來生產力的進步,甚至進一步引發產業變革。但是,新技術的理論與生產實踐之間存在鴻溝,跨越這條鴻溝是需要大量的探索實踐才可能實現的。無論是當下的5G、區塊鏈和人工智慧,還是量子通訊、量子計算、自動駕駛等探索中的技術,無不依賴於前仆後繼的產業人去探尋實踐道路。
聯邦學習作為近幾年新生的資料安全共用技術,在「資料孤島」的情境下有用武之地。高速發展的資訊化技術使得政府、企業累積了大量的資料資訊,這些資料資訊對建構社會信用系統、提升使用者服務品質具有重要作用。但是這些資料資訊往往因涉及使用者隱私問題,導致流轉障礙,形成了「資料孤島」狀態,不能滿足國家培育資料要素市場的需求。同時,處於行動網際網路這個大背景下,使用者的各種行為(舉例來說,消費、社交、娛樂等)都發生深刻的變化,使用者越來越多的資訊線上化,同時也在資料化。
作為產業從業者,我們所面對的挑戰是大量使用者仍然沒有被傳統金融機構的服務所覆蓋,對需要金融服務的使用者來說,其資訊搜集困難、資訊不健全,大量的「資料孤島」使得使用者的分析猶如瞎子摸象。同時,很多不良企業為了自己的業績和利潤,鋌而走險、非法獲取和傳播使用者的個人隱私資料,造成了大量使用者資訊的洩露。對此,監管部門重拳出擊,整頓市場。聯邦學習為監管、市場提供了一種可能的技術化解決方案。我們可以借助其技術特點,讓資料可用不可見、隱私資料不出庫,建構基於隱私計算的聯邦學習模型,全面地評估使用者的風險水準,既保證了使用者的隱私安全,又防止了資料的洩露。我們如果能夠合理地使用該技術,持續探勘其潛在價值,那麼能為數位經濟發展提供有益的幫助。在金融科技等產業化應用中,該技術的理論門檻相對較高,涉及密碼學、演算法、工程等多項內容,市場上的相關技術和研究資料較少,導致企業在產業實踐中常常遇到難以解決的問題,需要花費較長時間。
本書全面地介紹了聯邦學習的技術原理,突出案例應用和實踐經驗,對聯邦學習產業應用具有較大的參考價值。