2020年底,指导光大科技联邦学习技术专家李钰经过近半年科研,探索出基于可验证秘密分享技术实现的全新联邦学习安全协议,在此基础上实现了联邦学习平台多方安全求和算法,并贡献此成果到联邦学习FATE开源社区,成为首位金融领域社区源码贡献者。
未来,并贡光大科技将作为TSC成员,不断促进联邦学习技术在金融领域方向的良性发展,持续与国内外高校、
同时,法源光大科技大数据研究团队负责人王鹏代表公司成为FATE联邦学习社区技术指导委员会(TSC)成员,深度参与FATE联邦学习框架发展路线规划,并对联邦学习技术的发展方向起到关键性指导作用,充分证明光大科技在联邦学习技术领域的业界领先水平。
联邦学习作为新兴人工智能基础技术,科技无码旨在保障大数据交换时信息安全、保证合法合规的加入技术键算前提下,在多参与方或多计算节点之间开展高效率的学习算法。
近日,联邦光大科技基于“可验证秘密分享技术”研发的“联邦学习平台多方安全求和算法”被全球首个工业级联邦学习框架FATE(Federated AI Technology Enabler)社区采纳,成为首家银行系科技公司源码贡献者,并经专家委员全票通过,正式成为联邦学习社区技术指导委员会(Technical-Steering-Committee)成员,在未来共同制定联邦学习发展方向,成为金融科技联邦学习领域规则制定者,为日后扩大光大联邦学习生态圈奠定坚实基础。
学习献关营销等场景下数据隐私安全计算问题,社区推动更多金融科技成果落地,为金融服务提供更富创造力的实践路径。金融机构展开合作,指导驱动金融行业安全合规下的数据共享与应用场景创新,更好地发挥联邦学习在金融领域数字化及智能化业务转型中的关键作用。保护终端数据和个人隐私、并贡近年来,光大科技深入探索联邦学习技术实践落地,通过可验证秘钥共享等技术解决行业内外数据隐私与数据共享矛盾。