編織聯(lián)邦學習的產(chǎn)業(yè)路徑，騰訊向金融智能化的更遠處進發(fā)

原標題：編織聯(lián)邦學習的產(chǎn)業(yè)路徑，騰訊向金融智能化的更遠處進發(fā)

這屆人工智能能夠化身“新基建”的中流砥柱，避免了重蹈“AI寒冬”的覆轍，一個很大的原因就是，機器學習從產(chǎn)業(yè)層面提質(zhì)增效，真正讓技術(shù)變成了社會經(jīng)濟的價值推動力。

技術(shù)高速迭代的時代，也讓無數(shù)從業(yè)者和普通人痛并快樂著。因為需要不斷打開認知通道，敢于去觸摸那些剛剛被釋放出來的產(chǎn)業(yè)能量。

近日，江蘇銀行與騰訊安全共同舉行聯(lián)邦學習應用服務(wù)簽約儀式，開啟了聯(lián)邦學習的“從云端到產(chǎn)業(yè)地平線”的落地之旅，也激發(fā)了不少人對這項技術(shù)的好奇。

聯(lián)邦學習、金融業(yè)，與騰訊之間，如何搭建起一個屬于未來的智能產(chǎn)業(yè)生態(tài)，是一個值得思考的議題。

聯(lián)邦學習：聯(lián)合與分治的技與藝

對于關(guān)注AI的讀者來說，聯(lián)邦學習并不陌生。

自從2016年谷歌最先提出并應用之后，聯(lián)邦學習就被看做是下一代人工智能協(xié)同算法和協(xié)作網(wǎng)絡(luò)的基礎(chǔ)，國外如亞馬遜、IBM，國內(nèi)如BAT、華為、平安等科技公司在積極部署和推動聯(lián)邦學習產(chǎn)業(yè)化的進程。

簡單來說，聯(lián)邦學習就是隨著人工智能，以及分布式計算、區(qū)塊鏈等技術(shù)的協(xié)同發(fā)展，自然迭代出的系統(tǒng)化方案——在保護隱私的前提下，對多方的大數(shù)據(jù)價值進行挖掘，實現(xiàn)AI模型的訓練與性能提升。

為什么需要聯(lián)合與分治共存，要從當下以機器學習為代表的人工智能應用中的很多現(xiàn)實問題說起。

一方面，人工智能逐漸普及，對隱私安全的監(jiān)管越來越嚴格，面對GDPR等一系列法律法規(guī)的出臺，以數(shù)據(jù)為訓練基礎(chǔ)的深度神經(jīng)網(wǎng)絡(luò)必須做出改變，適應新的社會規(guī)范；

但是，合法合規(guī)的管控，又會加劇數(shù)據(jù)孤島問題。不同機構(gòu)和企業(yè)各自為營，捍衛(wèi)自家的用戶數(shù)據(jù)，讓許多優(yōu)秀算法模型無法得到充分的數(shù)據(jù)養(yǎng)料和有效訓練，自然會給AI性能和準確率帶來枷鎖。

聯(lián)邦學習，就在高質(zhì)量數(shù)據(jù)的分與合之間，找到了辯證統(tǒng)一的平衡點——在不共享原始數(shù)據(jù)的前提下，利用雙方的數(shù)據(jù)實現(xiàn)模型增長。

舉個例子，假如A是銀行，B是社交平臺，C是出行打車平臺，分別擁有各自的用戶相關(guān)數(shù)據(jù)?，F(xiàn)在ABC想要聯(lián)合訓練一個機器學習模型，來預測經(jīng)常出沒在哪些地區(qū)、關(guān)注哪些興趣話題的人，擁有更高的償債能力。

如果各個平臺之間直接進行數(shù)據(jù)交換，作用用戶肯定會擔心暴露自己的隱私和信息安全。但不交換又該怎么訓練呢？

答案就是，都使用聯(lián)邦學習技術(shù)。在加密狀態(tài)下，找到共有的用戶，這樣彼此都不知道數(shù)據(jù)對應的關(guān)鍵用戶信息。用這部分數(shù)據(jù)來提取特征，并在自己的服務(wù)器上進行訓練和調(diào)參，既遵守了隱私保護法規(guī)，又能夠補充自己不具備的數(shù)據(jù)信息、提升雙方模型的能力。

如此皆大歡喜的方案，大家怎么不快快都用起來呢？

某種程度上來說，聯(lián)邦學習也是一張集合了心理題與技術(shù)題的綜合考卷，只有都答對的企業(yè)才有可能推開這扇大門。

總的來說，聯(lián)邦學習雖好，卻也伴隨著許多亟待解決的新問題：

1.各個AI企業(yè)之間的協(xié)作信任關(guān)系很難建立。

以前企業(yè)想上馬AI，都是單打獨斗式地運用自身數(shù)據(jù)自主訓練，聯(lián)邦學習要將各個不同行業(yè)、領(lǐng)域的企業(yè)并入一套標準化的系統(tǒng)，在一起進行多方聯(lián)合建模。

這種合作就像南方人初入澡堂，要卸下重重防備一起享受實屬挑戰(zhàn)。如何從技術(shù)端保障企業(yè)之間的數(shù)據(jù)安全，讓大多數(shù)公司愿意將數(shù)據(jù)拿出來和其他伙伴交換，有先鋒公司和標桿案例的出現(xiàn)，用實打?qū)嵉膽眯Ч?，來解決信任問題。

2.數(shù)據(jù)樣本的復雜化，訓練環(huán)境的不一致。

即使有公司愿意加入聯(lián)邦共同成長建模，也必須面對現(xiàn)實中，不同企業(yè)和機構(gòu)所處的計算環(huán)境、網(wǎng)絡(luò)環(huán)境、數(shù)據(jù)環(huán)境各不相同的境況。

比如有的公司數(shù)據(jù)質(zhì)量差，沒有進行標注無法被訓練；有的數(shù)據(jù)分散，不同部門之間沒有數(shù)據(jù)合作；還有的數(shù)據(jù)實時變化，需要花費人力去維護，缺乏聯(lián)邦學習的動力。

3.“要想富先投入”，聯(lián)邦學習的額外成本。

通過聯(lián)邦學習降低數(shù)據(jù)、建模的綜合成本，提質(zhì)增效，是產(chǎn)業(yè)的初衷。但圍繞聯(lián)邦學習搭建團隊、溝通對接、進行訓練，也需要投入一定量資源來完成，又進一步提升了聯(lián)邦學習產(chǎn)業(yè)化的門檻。企業(yè)不僅應該著力想辦法降低成本門檻，同時也要讓新參與者接收初期成本。

通過這些問題可以看出，聯(lián)邦學習想要邁出真實的步伐，必須精準吸引那些“準用戶”，來主動解答這張前沿試卷。

開啟智慧金融新篇章，騰訊扮演了三重角色

聯(lián)邦學習借由金融場景落地到普通人身邊，自然不是無緣無故的。騰訊安全在此時向銀行和金融機構(gòu)交付聯(lián)邦學習應用服務(wù)，在我看來，是在鍛造新的產(chǎn)業(yè)“內(nèi)燃機”。

一方面，金融場景下數(shù)據(jù)保密等級高，安全要求更為嚴格；同時場景變化快，又對智能技術(shù)的升級迭代有著嚴苛的要求。在安全與升級之間，聯(lián)邦學習技術(shù)與金融領(lǐng)域就達成了一次情投意合的碰撞。

從中長期來看，金融領(lǐng)域的數(shù)據(jù)挖掘必然會持續(xù)受到法律法規(guī)的捆綁，這就要求其必須注重共建模型的搭建，學會“戴著鐐銬跳舞”。

此外，伴隨著傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)算法的普及，金融機構(gòu)和銀行也都到了進一步發(fā)展和提升自身技術(shù)水位，與同業(yè)拉開差異化優(yōu)勢的階段，以爭奪增量客群。

而伴隨著客群的規(guī)模擴大，必然會帶來用戶信用資質(zhì)數(shù)據(jù)不足、質(zhì)量參差不齊、風控風險高等潛在風險，此時聯(lián)邦學習提供的共同建模，就能從根源上來幫助企業(yè)利用AI提質(zhì)增效。

金融領(lǐng)域毫無爭議地成為了聯(lián)邦學習落地的第一站。作為國內(nèi)最早倡導“聯(lián)邦學習”技術(shù)的團隊之一，騰訊安全也交付了一整套聯(lián)邦學習應用服務(wù)(FLAS)產(chǎn)品。

對于盼望著技術(shù)甘霖從云端降落到地面的金融領(lǐng)域來說，騰訊至少扮演了三個角色：

1.平臺輸血者——打破信任僵局。

前面我們提到，聯(lián)邦學習想要發(fā)揮效用，既要打破各個企業(yè)之間的信任障礙，也要保障用戶信息的隱私安全。

但大家的數(shù)據(jù)彼此之間不能“碰面”，模型訓練必不可少的特征變量都變得不可見了，還怎么聯(lián)合建模？面對這一難題，騰訊安全作為平臺方，就起到了重要的“輸血”作用。

借助騰訊在20年的安全攻防過程中沉淀出的大數(shù)據(jù)分析能力，以及騰訊安全服務(wù)中國99%以上網(wǎng)民所沉淀下來的黑灰產(chǎn)庫，積累出了三千多個風險種類的特征變量。然后，騰訊安全對聯(lián)邦學習的框架進行了重新優(yōu)化，在與金融機構(gòu)的合作中進行融合，就能達到保護數(shù)據(jù)的同時，保障模型性能的效果。

比如在江蘇銀行的合作中，就基于對方資金流相關(guān)維度的數(shù)據(jù)沉淀下來的特征變量和特征工程，在可用不可見的情況下進行融合，只交換了機器學習的中間值（即梯度），在效果不衰減的情況下，達到了數(shù)據(jù)融合建模。

2.技術(shù)前哨站，探索應用業(yè)務(wù)創(chuàng)新。

任何前沿技術(shù)的產(chǎn)業(yè)下沉，最終都要落實到務(wù)實的商業(yè)價值上去，聯(lián)邦學習也不例外。

如何讓技術(shù)與自身業(yè)務(wù)相匹配？騰訊生態(tài)內(nèi)的實戰(zhàn)訓練，就扮演了“前哨”的角色，以自身經(jīng)驗+場景定制的方式，來為垂直行業(yè)進行鋪陳。

舉個例子，在辦理個人信貸業(yè)務(wù)時，除了用戶所在地，包括戶籍地、移動運營歸屬地、行為軌跡等數(shù)據(jù)之外，金融機構(gòu)還可以通過申請，引入諸如興趣偏好、社交網(wǎng)絡(luò)、收入情況等互聯(lián)網(wǎng)產(chǎn)品的其他數(shù)據(jù)，通過縱向聯(lián)邦學習，來訓練自己的風控模型，實現(xiàn)更準確的綜合評估。

騰訊安全團隊在明確了聯(lián)邦學習與金融業(yè)務(wù)的最佳契合點之后，充分發(fā)揮技術(shù)效能，推進行業(yè)端敏捷的業(yè)務(wù)創(chuàng)新。對200余個業(yè)務(wù)指標進行篩選與聯(lián)邦建模，聯(lián)邦學習聯(lián)合建模新模型的AUC值提升10%-15%，最大KS值提升50%左右，為江蘇銀行的信用卡智能化管理打下了基礎(chǔ)。

3.成本精算師。

騰訊安全聯(lián)邦學習的附加值，還體現(xiàn)在以高度可應用化的技術(shù)輸出形式，幫助企業(yè)控制技術(shù)升級成本。

首先，騰訊微眾銀行（WeBank）提出了工業(yè)級別聯(lián)邦學習框架——聯(lián)邦學習開源項目Federated AI Technology Enabler(簡稱 FATE)；騰訊TEG數(shù)據(jù)平臺部基于自研分布式機器學習平臺Angel，設(shè)計了一種“去中心化”的聯(lián)邦學習框架PowerFL，并研發(fā)了FM、神經(jīng)網(wǎng)絡(luò)等聯(lián)邦學習算法。騰訊安全則進一步對這兩種計算框架進行了云化部署，形成了PaaS級聯(lián)邦學習服務(wù)。

另外，基于騰訊的海量安全大數(shù)據(jù)，騰訊安全聯(lián)邦學習應用服務(wù)可以通過云端的SaaS服務(wù)進行輸出，讓技術(shù)成果被快速下沉到產(chǎn)業(yè)場景中；用云交付的方式，落地到業(yè)務(wù)場景中去，不需要企業(yè)再不需要再投入人力去現(xiàn)場訓練模型，就能達到彼此所需要的數(shù)據(jù)融合，進一步降低了訓練成本。

同時，支持海量互聯(lián)網(wǎng)用戶參與對用戶有價值的聯(lián)合建模，在個人隱私數(shù)據(jù)均不出個人終端設(shè)備的情況下，利用聯(lián)邦學習，金融業(yè)務(wù)可以更快速的迭代模型，更敏捷地適應市場變化，實現(xiàn)有價值的數(shù)據(jù)應用，提升業(yè)務(wù)的競爭力。集成化的軟件和工具，以及服務(wù)的高復用性，讓各種類型的金融機構(gòu)不用 “重新發(fā)明輪子”，以低學習成本、高價效比的方式，就能實現(xiàn)AI聯(lián)合建模。

可以說，伴隨著產(chǎn)業(yè)智能化的繼續(xù)深化，以及聯(lián)邦學習的下沉，所產(chǎn)生的差異化優(yōu)勢也將真正顯露出來，開啟金融業(yè)的新一輪技術(shù)競技。

編織AI新生態(tài)，向產(chǎn)業(yè)智能化的更遠處進發(fā)

金融領(lǐng)域是技術(shù)敏感度最高、數(shù)據(jù)監(jiān)管最嚴苛的行業(yè)之一。

由此帶來了一個新的問題：當騰訊安全聯(lián)邦學習應用服務(wù)開始在金融領(lǐng)域落地，未來會發(fā)生什么？

可以肯定的是，金融領(lǐng)域的AI規(guī)則必然會被改變。最直接的就是數(shù)據(jù)方將改變傳統(tǒng)上單打獨斗的思路，開始以協(xié)作、融合的姿態(tài)聯(lián)合起來推動產(chǎn)業(yè)智能化效率的提升，未來也將改變行業(yè)獲取數(shù)據(jù)、搭建AI的方式和門檻，打破行業(yè)“巨無霸”的“數(shù)據(jù)霸權(quán)”，釋放出更多的數(shù)據(jù)生產(chǎn)力。

在此基礎(chǔ)上，金融領(lǐng)域的應用只是聯(lián)邦學習產(chǎn)業(yè)潛力的冰山一角。數(shù)據(jù)規(guī)制的嚴格化將是智能社會發(fā)展的整體趨勢，未來在零售、醫(yī)療、工業(yè)、政務(wù)等各個智慧場景中，聯(lián)邦學習都將擔負起捍衛(wèi)安全、降本增效的責任。

從這個角度講，聯(lián)邦學習如同一個操作系統(tǒng)一樣，亟待建立一個標準化、生態(tài)化的繁榮技術(shù)圈。而與大數(shù)據(jù)打交道最為頻密的騰訊生態(tài)土壤，有著舉足輕重的價值。

陳壽在《三國志》中寫過，和羹之美，在于合異。把各種不同的數(shù)據(jù)味道合在一起，騰訊安全烹制出的這道名為“聯(lián)邦學習”的菜肴，也將是技術(shù)落地節(jié)點中，從智能社會的地平線上生長出的饋贈。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。