微众银行AI团队亮相CCF年度盛会,探讨“联邦学习”下一个十年


?

人工智能发展目前面临的严峻挑战是什么?众所周知,人工智能与大数据密不可分。但是,在大多数行业中,遇到的是小数据,即数据碎片和数据孤岛。它已成为制约人工智能发展的瓶颈。人工智能领域的科学家如何解决这个问题?

5月24日至25日,中国计算机学会(CCF)年度活动 2019年CCF青年精英会议(YEF 2019)在成都举行。威中银行人工智能团队被邀请作为中国联邦学习技术的发起者。魏中银行首席情报官杨强教授发表了专题报告:《用户隐私,数据孤岛和联邦迁移学习》,为上述人工智能提供了数据拼图。回答。

会议的主题是“硬技术创新之路”,其中包括6个令人兴奋的客座报告,1个会议论坛,2个投机的YOCSEF论坛,12个特别论坛,精彩的思想展示和技术创业展。来自国内外计算机领域的顶尖专家与世界顶级嘉宾齐聚一堂,来自全国各地的800多名年轻精英来探索未来十年的深度学习,联邦学习,边缘计算等领域的计算机学习。和机器人技术。

img_pic_1559025252_0.png

图: YEF 2019会议现场

人工智能的发展正变得越来越普遍,它所面临的挑战也越来越突出。人工智能与大数据密不可分。但是,在大多数行业中,遇到的是小数据,即数据碎片和数据孤岛。这是制约人工智能发展的主要瓶颈。可以使用技术解决方案来解决这个问题吗?数据隐私保护越来越严格,传统的数据接收方式有限,如何建立安全有效的数据合作机制?针对上述问题,魏中银行首席情报官杨强教授在受邀报告中指出了:《用户隐私,数据孤岛和联邦迁移学习》学习是将大数据转移到小数据,并实现相反,而“联邦学习” “允许多个参与者在没有本地合作的情况下协作处理数据。 “联邦移民学习”将“移民学习”与“联邦学习”结合起来。该系统介绍了联邦移民学习如何帮助不同组织打破障碍并共同建立AI模型。同时,各方的数据不是本地的,用户隐私受到最好的保护。

img_pic_1559025252_1.png

图:魏中银行首席执行官杨强教授邀请了该报告

杨强教授通过详细而生动的案例,包括金融机构建立企业风险控制模型,在银行间建立反洗钱模式,以及视觉应用,展示了行业在联邦移民学习现阶段的应用。在城市管理。联邦移民学习允许组织协作以改进机器学习而无需共享数据。该模型可以升级至15%,并且可以毫无损失地实现模型。它具有广泛的行业应用,随着联邦生态和国际的不断完善标准的不断发展必将带来更大的行业价值。

会议的特别“联邦学习和用户隐私”论坛重点关注“联邦学习”,“数据安全”和“用户隐私”,吸引了大量专家,学者和年轻精英参与。有人提到“联合学习”是一种加密的分布式机器学习技术,它使参与方能够在自己的数据不是本地数据并保护数据隐私的前提下共同建模和改进机器学习。其效果是为数据隐私保护提供新思路。目前,中国在该技术研究方面处于世界前列。 Google提出了一种基于移动终端的联邦学习算法框架,MicroBank首先提出了“联邦移民学习”,用于多机构协作,并通过开源平台Federated AI Technology Enabler(FATE)发布了一个通用的联邦学习解决方案。促进联邦学习技术在行业中的应用。

魏中银行和彭城实验室,平安科技,创新工作室,北京航空航天大学,瑞士再保险等知名大学和企业的知名嘉宾对联邦核心技术和行业应用进行了深入的解释和讨论。学习。

img_pic_1559025252_2.png

图:刘洋,微银行人工智能部高级研究员,讲座

在“学术界和工业界代表谈论联邦学习在数据隐私保护方面取得突破和未来”这一主题的圆桌会议上,专家们开展了联邦学习的应用场景,现阶段的挑战和未来的发展。方向。讨论,特别是对企业在联邦学习合作过程中可能遇到的问题的分析,以及相应的解决方案,为今后更广泛的行业合作奠定了基础。

img_pic_1559025252_3.png

照片: Microbank参加联邦学习圆桌论坛

为期两天的会议是一次学术辩论,一次思想碰撞,以及对科学技术未来的大胆探索。联邦学习作为一种新兴的人工智能技术,未来十年将走向何方?微银行和行业专家给出了行业落地的答案。