当下，数字化让社会治理更加科学、高效、精准、便捷，目前在国家推动大数据发展一系列的政策和指引下，各个行业都积极建设和推动大数据平台的建设，也充分利用新技术来推动行业数字化发展。但由于受到使用限制，导致当下数据共享水平不高，数据的孤岛现象依然存在。

　　在金融领域，推动金融行业数据共享，有助于多维度分析评估企业和个人信用，提升金融机构在信贷业务管理方面的能力，增强反诈骗反洗钱能力，对于保障我国金融安全和市场稳定具有举足轻重的作用。

　　百融云创作为国内领先的独立AI技术平台，近年来不断探索联邦学习技术，开创了一种面向数据隐私保护的机器学习新范式。在这种新的框架下，各参与方通过联邦学习机制实现了多赢的局面，也为金融行业人工智能技术的应用提供了一种新的应用前景。

　　在金融领域，百融云创尝试利用联邦学习解决数据安全查询问题，保障大数据交换时的信息安全、保护机构数据资产安全和个人数据隐私。在保证合法合规的前提下，多参与方或多计算结点之间开展高效率的机器学习，真正实现了数据和特征变量的“可用不可见”。在安全条件下，结合金融机构与外部数据源的数据，训练机器学习模型，对比传统联合建模方式，模型效果大幅提升。

　　百融云创积极推动联邦学习技术的研发与创新，从整个数据产业来看，这样可以增加可用数据的总量，很好地解决现存数据孤岛的问题;对金融机构自身而言，使用联邦学习能简单、合法且低成本的获取外部有效的数据信息，快速解决某些因数据量或数据维度不足而导致的困扰。

　　百融云创将保护隐私的原则、理念和方法融入到企业管理中，始终将保护客户和个人隐私信息放在首位。为了解决存在的数据隐私保护这一难题，打破数据孤岛的现实困难，满足数据联合融合使用的迫切需要，百融云创也在业内号召并率先探索“联邦学习”模式。这是一种加密的分布式机器学习技术，能够使各个企业的自由数据在不出本地的情况下，通过加密机制交换数据，即在不违反数据隐私法规的前提下，建立虚拟共有模型，仅为本地目标服务。

　　数据是一把双刃剑，只有得到更有效的利用，挖掘数据价值，才能更好地用于各个行业的创新。未来，百融云创将联邦学习作为一项重要的研究方向，努力帮助金融机构打破数据孤岛的问题，提供数据更大价值的发展空间。