乘勢而上,與時俱進:IDC《聯邦學習與可信AI市場機會分析》研究發布
加入技術交流群
隨著人工智能等新興技術越來越多的賦能社會和企業，技術使用的底層數據安全性也越來越受到國家的關注。隨之而來的《數據安全法》、《個人隱私保護法》也提出了新的數據使用要求，讓聯邦學習與可信AI的話題關注度逐步提升。目前，聯邦學習與可信AI已經從理論探索逐步走向初步的工程化落地實踐。
本文引用地址：http://www.104case.com/article/202301/442633.htm聯邦學習與可信AI的定義
目前在解決數據孤島與數據隱私問題中較為常見的是聯邦學習。聯邦學習是一種新興的人工智能基礎技術， IDC 定義下的聯邦學習是一種分布式隱私保護建模方法，在保證所有訓練數據不出域的前提下，多個參與方通過與聚合模型協作學習的方式共同訓練新的數據模型的方法。這樣的建模方式可以充分調動"去中心化數據"和"去中心化算力"等能力，促進數據隱私保護，實現數據利用最小化原則，并以更低的延遲和更低的功耗提高了建模性能。
可信AI的研究領域則涵蓋了安全和隱私（包括系統、平臺、產品以及數據安全）、算法可解釋性，公平性和可問責性。
報告中也詳細探討了聯邦學習與可信AI 的初步市場格局，初步展示了如百度、第四范式、星環科技等主流AI技術供應商的技術/產品進展，以及當前的行業實踐情況。
行業應用
目前聯邦學習已經初步實現商業化落地，可信AI還在技術理論突破與應用探索階段。在不同行業的應用探索中，聯邦學習實現了數據隱私保護和數據共享分析的平衡，即“數據可用不可見”的數據應用模式。聯邦學習在行業中的應用進展如下：
● 金融行業：金融行業是當前聯邦學習落地部署探索最多的行業。金融行業加速數字化轉型的過程中，銀行、保險、投資等行業都面臨著有效數據欠缺與隱私保護安全的雙重挑戰。在應用上，目前主要集中在營銷、信貸風控、反欺詐場景。
● 零售行業：零售行業在銷量預測及商機洞察，倉庫儲存、配送等各個環節可以使用到聯邦學習技術。例如，基于聯邦學習技術，在保護數據隱私安全的基礎上，根據歷史銷量、各區域客群畫像洞察、氣候變化、時事熱點等元素進行分析，通過精確到小時級別的銷量精準預測，優化整體品類規劃，從而降低運營成本，幫助實現用戶履約率進一步提升。
● 互聯網/電商/數字媒體： 數字廣告業務目前引入了聯邦學習技術，如廣告投放、流量反作弊、聯合歸因等場景。流量平臺、廣告主等可以在不披露底層數據的前提下共建模型。每個廣告主或者數據持有方不出本地，通過加密機制下的參數交換方式，就能在符合各項隱私安全法律、法規的情況下，建立出虛擬的共有模型。
● 工業：在制造領域，聯邦學習技術會幫助實現多條產線間的聯合訓練與模型共享，改善AI質檢、預測性維護的效果。例如，各種供應商可以結合自身數據，以建立更好的整體預測模型。在能源領域，智能家居設備和能源供應商之間的聯合，可以產生用于預測功耗和設備使用的互利模型。其結果將包括越來越靈敏和個性化的設備，并使得電網管理更加有效。
● 醫療：醫療保健領域將受益于縱向聯邦學習，如果所有醫療機構和制藥企業都成立數據聯盟并共享其數據以創建大型醫療數據集，那么經過訓練的AI模型的性能將顯著提高，尤其是在AI藥物研發領域，藥物本身作為研發數據，有非常大的價值，聯邦學習技術恰好能夠安全地實現多方數據共享。另外，在醫療影像輔助診斷場景中，可以通過聯合訓練CV模型來更加精準地預測疾病、檢測異常并基于其他醫療傳感器和電子健康記錄（EHR）數據進行診斷。
● 政務：政務領域存在橫、縱向信息交換的“數據壁壘”，聯邦學習可以幫助打通政務領域數據應用價值鏈，提高辦事效率，解決社會疑難問題。
IDC中國人工智能高級分析師程蔭表示，AI技術的安全可信已是大勢所趨，行業用戶在享受技術所帶來的紅利的同時，應該積極選擇與具有數據資源的技術供應商合作，優先考慮聯邦學習與可信AI技術實現的路徑和自身業務是否匹配，根據實際業務判斷AI安全可信建設的優先級，也可參考目前同業探索實施相關AI項目的成熟度，使得聯邦學習與可信AI更好地落地。
評論