某金融企业基于容器云平台采用联邦学习技术提高风控效率实践分享

【摘要】容器云平台的弹性能力以及对微服务的支持，对于提升企业内部的资源使用效率和主流应用的快速发布有着重大意义。本文针对金融企业中，容器云平台的现实需求做出相关技术分析，给出相关模块的参考设计和实现方案，并结合企业生产实践，提出一些实践经验。

一、简介

传统的虚拟化技术，在资源使用率、灵活性和弹性方面提升度并不高。而容器云技术恰好可以比较好的解决这些问题，并且在微服务、DevOps、分布式等方面的天生具备优势，因此成为云计算的基础架构的选择。借助于容器云的高效和可扩展等特点，以容器为代表的云原生技术能更大程度地发挥云计算的优势。

制约当前容器应用进一步深化发展的痛点与难点是：企业内部缺少跨越岗位壁垒、敏捷协作的新型IT团队，以及相应的更加开放的企业组织管理方式。同时，也是制约企业数字化转型进一步发展的一个核心关键因素。

目前，基于容器和k8s的基础架构已成为新一代应用开发的基础，也是实现数字化转型的关键。

目前我们实际业务场景中，小微商户的风险评估问题已成为制约银行业发展的一个主要障碍，同时由于数据隐私安全保护的要求，跨企业的数据合作受到限制。运用联邦学习技术，可以探索多方数据融合效果以及联邦学习算法的可行性，并对小微企业进行多维度评价，优化企业风险授信模型。

为此我们在容器云平台实现了针对隐私计算产品的部署和验证工作。我们目前关注的重点，主要包括了联邦学习相关产品的验证，以及基于英特尔®软件防护扩展（英特尔®SGX）技术的TEE方案。

二、需求分析

1. 弹性伸缩