1200_01.jpg1200_02.jpg1200_03.jpg

什么是联邦学习

联邦学习(Federated Learning,FELE)是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术,能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下,通过交换加密的 机器学习 中间结果,实现联合建模。联邦学习兼顾 AI 应用与隐私保护,开放合作,协同性高,充分释放大数据生产力,广泛适用于金融、消费互联网等行业的业务创新场景。

联邦学习主要包括以下功能:

  • 模型训练服务:联邦学习各参与方在合法合规前提下,共同完成总体模型训练,且训练出的模型最终能达到汇集多方数据进行 联合建模 的效果。

  • 模型调用服务:将联邦学习框架下训练的模型接入生产环境,通过 API 接口提供模型调用服务,以及模型调用过程中的运行效果监测、模型迭代升级等运维服务。

应用场景

银行业

银行风控场景,例如银行零售信贷、信用卡等个人金融业务的贷前审批和贷中风控场景。

消费金融行业和持牌机构

消费金融公司及持牌互联网金融平台,个人信贷业务的贷前审批和贷中风控场景。

消费互联网行业

以智能终端(如 Android 手机、平板、IoT 设备)为计算节点的,保护用户隐私信息为目的的各种场景。

其他行业

精准营销场景,通过联合建模进行客群画像分析和精准投放。

隐私保护

联邦学习可以在保护参与方隐私安全的前提下,进行模型训练,可以更好的解决隐私保护问题。

腾讯大数据分析能力

联邦学习拥有强大的大数据分析能力,腾讯安全服务覆盖99%用户,为联邦学习的行业应用奠定了坚实基础。

高效率低成本

联邦学习接入过程无需开发人员出差驻场,使用 docker 镜像,远程操作,高效便捷,3周内可正式投产。

联合建模增益

在联邦学习框架下训练的联合模型效果,相对传统建模提升15%以上。



  • 名称: T-Sec联邦学习
  • 关键词: 联合建模,机器学习,联邦学习,腾讯云T-Sec