微众银行陈天健：联邦学习是构建数字银行AI的基石

近年来，世界各地数字银行蓬勃发展，机遇与挑战并存。8月22日上午，在美国加州圣地亚哥召开的Linux开源峰会上，微众银行AI部门副总经理陈天健发表了题为《FederatedAI in Future Digital Banking》的演讲，并表示：“借助人工智能技术，银行金融服务数字化、自动化、无人化已是大势，金融服务将会迎来新的技术革命，但对于这一领域的人工智能技术来说，如何应对安全、公平、数据保护三大挑战将成为关键。”

崛起的线上金融服务正面临挑战

陈天健指出，全球化的必然趋势、市场的激烈竞争、政策的持续驱动、客户期望的不断提升,以及金融科技的快速发展，都推动着我国银行业产生巨大变化。中国目前有超过6亿人在线上获得银行服务，如何应用更加先进的技术改造服务流程，满足客户不断升级的需求，提高经营效率成为众多银行的思考重点。而另一方面，银行业的AI应用中也面临三大挑战：安全、公平、数据保护。

首先，随着互联网技术的发展，银行业中的金融欺诈方式也不断发生变化。在人工智能落地银行业务的过程中，减少欺诈交易和不断涌现的外部威胁带来的损失，实现技术的安全可控，保障交易过程的安全性，逐渐成为了银行的工作重点。

其次，面对公平性的挑战，人工智能需要在“效率和公平”之间找到一个平衡点。从效率的角度出发，银行业的所有枯燥、重复、机械、缺乏创造力的工作都应该交给人工智能，而从人类社会稳定的角度考虑，则需要有一些“弱者保护”机制，需要树立起机器的价值观和道德感。人工智能在银行业的应用应通过持续提高技术水平、改善管理方式，在数据获取、算法设计、技术开发、产品研发和应用过程中保障利益相关者的权益，促进机会均等，消除偏见和歧视，最终促进公平公正。

最后则是重中之重——对数据保护的关注。在大数据时代，数据挖掘和分析的技术得到前所未有的发展，对于银行业而言，一旦用户的信息被非法利用，将有可能造成难以估量的损失。银行作为客户资金和信息的重要载体，保障客户的网上交易安全和信息安全责任重大。

联邦学习破解银行业AI数据困局

人工智能的发展离不开大数据，如果说人工智能技术是火箭引擎，大数据就是燃料。然而数据量的激增并不意味着真正的“大数据”时代到来。尤其对于银行业而言，各家银行沉积的数据方式、数据特点存在着许多差异，即使是一家银行下属的多个部门，也都有着自己的数据沉淀和重重“部门墙”，因此，行业实际上存在着大量的“数据孤岛”，让人工智能技术的落地举步维艰。此外，从欧盟颁布的《数据隐私保护条例》（General Data Protection Regulation，简称 GDPR），到国内“最严”《数据安全管理办法》的出台，都不难看出：未来行业面临的社会大众的要求和监管一定越来越严格。

陈天健指出，联邦学习正是在这样的场景下应运而生的解决方案，其优势在于能够保证参与各方在数据不出本地、保持数据独立性的前提下，多方共建模型，共同提升机器学习效果。在满足用户隐私保护和数据安全需求的同时，实现多方共赢。

全球首个联邦学习工业框架FATE助力AI应用落地

陈天健提到，目前，我国在联邦学习方面的研究和应用已颇具领先性。微众银行作为联邦学习的国内首倡者，在国际人工智能专家、微众银行首席人工智能官杨强教授的带领下首次提出了“联邦迁移学习”，并通过领衔联邦学习国际标准（IEEE标准）制定、开源自研联邦学习框架Federated AI Technology Enabler（简称FATE）等来推动联邦学习技术在行业中的落地。

其中，微众银行自主研发的联邦学习FATE是全球首个工业级别联邦学习框架，可以让企业和机构在保护数据安全和数据隐私的前提下进行AI协作。今年6月25日，微众银行宣布将FATE贡献给Linux基金会，并宣布成为其黄金会员。据悉，除了银行业以外，微众银行AI团队已经推动FATE在信贷风控，客户权益定价，监管科技等金融+领域的一系列应用落地。

如今，全球人工智能发展进入新阶段，绝非只有金融行业面临“数据孤岛”的困境。针对人工智能未来如何落地更多行业的问题，陈天健的观点是：只有在保证数据不出本地，各个数据拥有方可以在安全、保密的前提下交换人工智能模型的参数，通过合法合规的方式打破“数据孤岛”，联合建模实现共赢，这才是人工智能未来的应用前景。