原标题：联邦学习成人工智能新贵 腾讯安全：技术服务能力才是重点

　　4月17日，江苏银行与腾讯安全共同举行联邦学习线上发布会。双方将联合共建“智能化信用卡管理联合实验室”，围绕联邦学习开展深入合作，推动AI技术与信贷风控结合。这是腾讯安全第一次对外公布其联邦学习服务。

　　联邦学习是一种新兴的人工智能基础技术，由谷歌于2016年最先提出。至于为什么会出现，且现在受到大家的追捧，与当下日益趋严的数据保护环境分不开。

　　随着技术进步，数据的重要性不需多说。理论上，想要挖掘和释放数据的价值，将大数据技术和人工智能技术结合就能做到。然而现实是，由于数据中包含大量个人隐私、商业机密等，数据隐私安全的问题因此也受到世界各国广泛的重视。

　　比如欧盟出台的《通用数据保护条例》(GDPR)、美国的《美国加州消费者隐私法》(CCPA)、新加坡修订的《个人数据保护法案》，以及中国颁布的《信息安全技术网络安全等级保护基本要求》等，都对数据的隐私和安全作了严格要求。

　　以欧洲为例，时常传出Facebook以及谷歌因数据安全而被处罚的消息。2018年5月份，被称为“史上最严的数据保护法案”的GDPR正式生效。在GDPR的规定下，用户作为原始数据的拥有者，在用户没有批准的情况下，两个公司简单地交换数据是不被允许的。如果企业不遵守新规，将面临最高2000万欧元，或相当于其全球年销售额4%的罚款(二者取较高值)，这种后果任何企业都难以承受。

　　为了避免触碰法律而被罚款，企业不得不“收敛”自己的行为，这也造成现实中的数据形成了大量的“数据孤岛”，导致大数据与人工智能的结合并不完美，数据价值并未被充分挖掘和释放。在中国也是如此，由于出台了越来越严格的隐私保护方面的相关法规，企业在数据方面的合作就变得越来越困难。

　　腾讯安全大数据创新中心负责人罗松表示：“我们碰到过一些案例，有些客户非常愿意跟我们进行数据合作，但是因为合规要求不能满足，所以非常遗憾地放弃了合作。我们团队急需一种比较好的技术和方案来帮助我们走出这个困境，所以选择了联邦学习。”

　　联邦学习应用服务的好处在于它采用的纵向和横向两种方式。其中，纵向联邦学习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；横向联邦学习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。

　　回到应用层面，由于基础技术都一样，如何才能与竞争对手拉开差距，还是得看每家企业本身的优势在哪里。腾讯安全大数据金融安全负责人章书在接受采访时表示：“我们独一无二的优势在于大数据的分析能力和20年沉淀下来的黑灰产攻防能力，这个很重要。”