腾讯数据安全专家谈联邦学习开源项目FATE：通往隐私保护理想未来( 二 ) “联邦学习”作为新一代的人工智能算法

　　未来理想的状态是，任何数据使用者能够在自由流动和聚合的分布式数据之上，进行高效的数据挖掘操作，而丝毫感觉不到隐私保护的羁绊。在MPC(Multi-party Computation ，多方安全计算)领域，目前行业还停留在混淆电路、可信计算等解决方案，虽然支持的计算任务具有一般性，但需要额外的硬件支持，学习成本较高，阻碍了规模化应用的同时，也不利于安全数据联盟的形成。

　　而联邦学习在具有普适性的联邦框架中，针对每一种或每一类机器学习算法进行订制化的隐私保护改造，使它们的使用无异于经典的中心式机器学习模型。相比之下，联邦学习在稳住成本的基础上，确保了易用性。刘洋称，对于企业而言，联邦学习提供的解决方案更具吸引力;对于行业而言，更便捷的操作将吸引更多开发人员的投入，从而推进安全数据联盟的构建。

腾讯数据安全专家谈联邦学习开源项目FATE：通往隐私保护理想未来的桥梁。　　FATE生态×腾讯云数据安全未来可期

　　今年5月初起， FATE和腾讯云神盾沙箱就开始进行业务往来和技术交流，目前神盾沙箱的核心计算模块由FATE提供。在搭建平台过程中，双方紧密合作。刘洋在采访中表示，团队在使用FATE框架、算法时，会将有效建议贡献到FATE开源项目中，参与开源社区建设。