近年来，随着人工智能技术的高速发展，社会各界对隐私保护的需求不断加强。欧盟出台了最严隐私保护的法案《通用数据保护条例》（GDPR），中国也在相关法律法规中明确指出，“网络运营者不得泄露、篡改、毁坏其收集的个人信息，并且与第三方进行交易时需确保拟定的合同明确约定交易的范围和隐私保护义务”。
这给人工智能应用带来的一大挑战是：企业机构之间的数据无法互通，数据割裂、数据孤岛问题严重，AI建模的效能难以得到充分发挥。
什么是联邦学习？兼顾AI应用与隐私保护的利器
为解决这一问题，谷歌于2016年率先提出了基于个人终端设备的“联邦学习”（Federated Learning）概念及算法框架。
作为一种加密的分布式机器学习技术, 联邦学习能够让参与各方在不披露底层数据和底层数据加密(混淆)形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升AI模型效果。
Electric Capital：截止6月1日，活跃开源开发者数量为2.13 万，开发者总数同比减少22%:7月9日消息，加密风险投资公司Electric Capital发布截止2023年年中开发者报告，其中，截止2023年6月1日，全职开发者为6793名，每月活跃开源开发者有2.13万名，比2021年11月加密货币市场创下历史新高之前还要多。开发者数量较2022年同比减少22%，但较2020年同比增加92%，较2021年同比增加25%。最近离开加密领域的开发者是在加密领域工作不到12个月的新人，并且只负责所有代码提交的不到20%；相比之下，在加密领域中工作12个月或更长时间的开发者会继续进行开发，他们贡献了80%以上的代码提交。过去一年，新人开发者减少7730人，占比48%；新开发者新增44%，共1650位；成熟开发者新增2%。该报告指出，新开发者往往在市场高峰期占主导地位，熊市开发者停留率较低，且过去一年，探索加密货币的新开发者越来越少，较去年5月下降50%。
此外，过去一年，Osmosis、Sui、Aptos、TON、Optimism与Aztec Protocol开发者同比增长明显。Osmosis同比增长56%、Sui同比增长159%、Aptos同比增长90%、TON同比增长102%、Optimism同比增长27%、Aztec Protocol同比增长267%。[2023/7/9 22:27:20]
联邦学习这个名字的来源也并非毫无出处，它如同搭建了一个虚拟的“联邦国家”，把大大小小的“数据孤岛”联合统一进来，这些“数据孤岛”是 “联邦国家”里的一个州，既保持一定的独立自主(比如商业机密、用户隐私),又能在数据不共享出去的情况下，共享联合建模成果。
Compound Labs推出Encumber机制，可分离代币所有权与转让权:7月7日消息，Compound Labs推出Encumber机制，这是一种让用户将代币所有权与转让权分离的机制。当代币所有者将其代币抵押到另一个账户时，允许其授予该账户在保留所有权的同时转让代币的专有权利。这使得代币持有者能够承诺智能合约中的条款，而无需将其代币所有权转移到外部地址。通过使用 Encumber，代币持有者可以保留空投、治理权或对内容与活动的访问权，同时仍然参与DeFi。[2023/7/7 22:24:09]
这种共赢的机器学习方式，有助于打破数据孤岛、提升AI的应用效率，在市场监管、跨部门合作、数据隐私保护等领域，有着非常广阔的应用前景。
什么是腾讯安全联邦学习应用服务？打破数据孤岛，释放AI应用潜能
腾讯安全联邦学习应用服务通过低成本快速迭代的联合建模服务，能够在保护所有参与方隐私的同时，有效释放出各方大数据生产力，广泛适应于业务创新的应用场景。
腾讯云与 Chainlink Labs 建立合作伙伴关系:5月31日消息，腾讯云与 Chainlink Labs 建立合作伙伴关系，腾讯云为 Web3 开发者提供了云虚拟机、Elastic Kubernetes Service 等工具，未来这些解决方案可与 Chainlink Web3 服务结合使用，并提供对链下数据和计算的访问。
此外，通过此次合作，Chainlink BUILD 项目将获得价值 1 万美元的腾讯云服务代金券、优先上架腾讯云国际市场的产品和服务以及加入腾讯云 Web3 网络、网络研讨会和活动的早期邀请。[2023/6/1 11:51:14]
（腾讯安全联邦学习综合优势）
不论何种联合建模方式，都是在满足了现有的合规和业务需求的条件下，对于降本增效的追求。与传统的联合建模相比，联邦学习建模采用加密交换机器学习的中间结果完成联合建模，在保持效果增益的情况下，对法规的遵从度更高。
Arthur Hayes地址以0.69 ETH买入Pepe Cheques-Notable Pepes NFT:金色财经报道，PeckShieldAlert监测数据显示，标记为Arthur Hayes的地址在OpenSea平台上以0.69 ETH（1,115美元）买入Pepe Cheques-Notable Pepes NFT。[2023/3/1 12:35:51]
腾讯安全联邦学习技术分为“纵向”和“横向”两种：
纵向联邦学习应用层面，主要针对拥有异构数据的机构，如银行、电商等，通过融合多个机构对相同样本的不同观察进行AI联合建模。腾讯安全联邦学习应用服务目前聚焦银行、消金、互金等金融机构的信贷审批难题，提供安全、合规、高效的联合建模服务，下一步会延展到其他行业业务创新服务。
报告：由于VC开始等待，加密货币的估值可能会在9月前下降:金色财经报道，最近几个月，整个加密货币行业已经筹集了大量资金，但在部署方面出现了明显的停顿。这种情况在未来几个月可能会改变。据Arca的风险投资组合经理David Nage说，由于完成加密货币风险投资交易需要更长的时间，整个行业的估值已经下降。一些风险投资公司正在利用这段时间，因为市场仍然对投资者友好，而其他风险投资公司只是等待更长的时间来推出资本。
Nage表示：在 9 月左右的某个时候，估值会进一步大幅下降，而且会变得很疯狂。尽管现在可能会发生等待游戏，但进入加密货币的资金总额仍高于去年同期。
根据 PitchBook 汇编的数据，数字资产领域筹集的资金从 2021 年第二季度的 60.8 亿美元增长到 2022 年第二季度的 81.3 亿美元，增长了近 35%。[2022/7/26 2:37:25]
（腾讯安全纵向联邦学习架构）
横向联邦学习应用层面，主要针对拥有同构数据的大量终端用户，如互联网APP用户，通过融合终端用户对相同设备或应用的不同体验进行AI联合建模。在经用户授权后，联合建模过程中，用户的个人隐私均不出个人终端设备（如手机），从而保证了个人隐私安全。腾讯安全支持海量互联网用户参与对用户有价值的联合建模，基于腾讯安全自研的，可实际部署在移动设备（如安卓手机、平板、IoT设备等）上商用的“端-云”横向联邦学习框架，提供实现对用户有价值的应用服务。
（腾讯安全横向联邦学习架构）
腾讯安全联邦学习应用服务的优势是什么？
接入便捷，模型高效
作为“PaaS+SaaS级”联邦学习产品，腾讯安全联邦学习应用服务具备安全性高、大数据分析能力强、接入便捷、高效率和成本低的四大优势：
首先，充分满足企业机构隐私保护和数据安全的需求；
其次，助力客户充分挖掘大数据生产力。腾讯安全20余年来累积了大量的黑灰产库，形成了包含百亿点、千亿边的黑灰产知识图谱，安全服务已经覆盖中国99%的网民，形成了独有的优势；
再次，便捷接入，聚焦业务场景所需的联合建模功能，支持容器化便携安装部署，轻量易用；
最后，腾讯安全联邦学习在联合建模过程中的通信、稳定性上具有优势。通过通信次数优化、中间结果压缩，减少了联合建模过程中需要传输的数据量，提高效率；另外对于网络环境造成的传输中断，专门打造了模型的断点备份功能，即便数据传输中断也能断点重启，而无需再从零开始。此外，无需外派专业人员出差，通过远程操作、低成本快速迭代的方式完成模型训练。
开放合作，协同性高
腾讯是国内最早倡导“联邦学习”的企业之一，其联邦学习技术已覆盖PaaS级和SaaS级领域，形成产业链协同互补关系，从而提升腾讯联邦学习技术的附加值。
（腾讯公司联邦学习技术协同）
腾讯安全联邦学习应用服务的适用场景是？
金融风控、营销风控与智能终端应用
目前，腾讯安全联邦学习应用服务适用于金融风控、营销风控、智能终端等领域。
在金融风控领域，针对金融业务特性，腾讯安全自研适用于不同风控场景的纵向联邦学习应用服务，具有算法多样性、通信效率高、轻量易部署、稳定性高的优势。目前，腾讯安全联邦学习应用服务与银行、消金、互金等金融机构广泛开展合作，助力金融大数据信贷风控业务。
（腾讯安全联邦学习在金融风控领域应用场景）
在营销风控领域，腾讯安全研发了航空票务营销风控场景联邦学习应用服务。在航空公司用户信息不出域的条件下，腾讯安全能够与航空公司经过同态加密后联合计算完成两地联合建模，共同打造全票务智能营销风控中台的票务欺诈模型。
（腾讯安全联邦学习在营销风控领域应用场景）
在智能终端领域，腾讯安全通过自研的“端-云”横向联邦学习框架，成功将联邦学习应用服务拓展到互联网海量终端设备之上，从而形成一个以智能终端（如安卓手机、平板、IoT设备）为计算节点、大规模分布式联邦学习框架。目前，横向联邦学习能够支持个人相册类业务的精细化管理。
（腾讯安全联邦学习在智能终端领域应用场景）
在“合作共享、多方共赢”的开放原则下，腾讯安全将持续聚焦各个行业领域的实际需求，提供合规安全、高效便捷的联邦学习服务，携手合作伙伴，助力AI等数字化技术在更大范围内落地，从而助推数字产业的发展。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。