【联邦学习】联邦学习

  （文章内容主要来自文末网盘内部分资料）

  最近微众举办了一个面向高校大学生的AI比赛，题目如下

  基于微众提出的联邦学习模型，设计一款有应用场景的产品。

项目背景：

  数据源之间存在着难以打破的壁垒，一般情况下人工智能的所需要的数据会涉及多 个领域，例如在基于人工智能的产品推荐服务中，产品销售方拥有产品的数据、用户购买商品的数据，但是没有用户购买能力和支付习惯的数据。在大多数行业中，数据是以孤岛的形 式存在的，由于行业竞争、隐私安全、行政手续复杂等问题，即使是在同一个公司的不同部 门之间实现数据整合也面临着重重阻力，在现实中想要将分散在各地、各个机构的数据进行 整合几乎是不可能的，或者说所需的成本是巨大的。

  另一方面，随着大数据的进一步发展，重视数据隐私和安全已经成为了世界性的趋势。 每一次公众数据的泄露都会引起媒体和公众的极大关注，例如最近 Facebook 的数据泄露事 件就引起了大范围的抗议行动。同时各国都在加强对数据安全和隐私的保护，欧盟最近引入 的新法案《通用数据保护条例》（General Data Protection Regulation, GDPR）[11]表明， 对用户数据隐私和安全管理的日趋严格将是世界趋势。这给人工智能领域带来了前所未有的 挑战，研究界和企业界目前的情况是收集数据的一方通常不是使用数据的一方，如 A 方收集 数据，转移到 B 方清洗，再转移到 C 方建模，最后将模型卖给 D 方使用。这种数据在实体间 转移，交换和交易的形式违反了 GDPR，并可能遭到法案严厉的惩罚。同样，中国在 2017 年 起实施的《中华人民共和国网络安全法》 [12]和《中华人民共和国民法总则》 [13]中也指出网络 运营者不得泄露、篡改、毁坏其收集的个人信息，并且与第三方进行数据交易时需确保拟定 的合同明确约定拟交易数据的范围和数据保护义务。