本报告为智谱AI团队独家所有,并拥有唯一著作权。智谱研究报告提供给订阅用户使用,仅限于用户内部使用。如引用、刊发,需注明出处为【智谱研究】,且不得对本报告进行有悖原意的删节与修改。
9 月1日至3日,2022世界人工智能大会在上海世博中心举办。在3日下午举办的“数据要素流通技术前沿探索论坛”上,由清华大学深圳国际研究生院知识工程研究中心、北京智谱华章科技有限公司、开放群岛开源社区联合编写的《2022 联邦学习全球研究与应用趋势报告》重磅发布。与会专家还就领域研究与应用趋势等问题展开了圆桌讨论。
数字经济时代,人们越来越重视个人隐私权、政策法规愈发严格、数据协作和隐私保护矛盾日益凸出,隐私计算已然成为全球新兴的一大产业,越来越多的隐私计算平台加入开源的行列。随着《数据安全法》、《关键信息基础设施安全保护条例》、《个人信息保护法》等政策的陆续发布实施,安全行业界对信息安全与隐私数据的重视程度不断升级。
联邦学习(Federated Learning)作为一种隐私保护的重要解决方案之一,自2016年首次由 Google 提出、2018年由微众银行引入国内并率先在 B 端进行创新应用以来,逐渐成为一种解决合作中数据隐私与数据共享矛盾的新路径,被大量应用于金融、安防、医疗、在线推荐系统等领域。近年来联邦学习技术得到了飞速的发展,其研究和应用的发展动向和趋势备受关注。
那么,当前联邦学习的技术发展现状如何?
《2022联邦学习全球研究与应用趋势报告》主要从技术论文发表情况、专利申请、学者地图与画像、主流框架、行业应用,以及发展趋势等几大方面做了系统的阐述,较为全面深入地介绍了联邦学习自2016年诞生以来到2021年的技术研究和应用进展,并展望该技术的未来发展方向与前景。该报告重点突出了对科研实践具有较大影响力的高被引论文及其作者画像的分析,以及知名国际顶会专题研讨会的杰出论文特征,以展示联邦学习领域具有较高技术质量、创新力的科研成果、较高影响力的学者人才。
主要核心要点如下:
“中美双雄”引领全球联邦学习发展
- 中国和美国的联邦学习论文发布量遥遥领先于其他国家。高被引论文之中有六成以上是来自中美两国。顶会杰出论文之中有45.5%来自美国、31.8%来自中国。
- 联邦学习全球高被引论文领先的机构是谷歌(8篇)、卡内基·梅隆大学(5篇)。中国的高被引论文量较多的机构是北京邮电大学(4篇)、微众银行(3篇)。在顶会杰出论文量领先机构方面,美国的卡内基·梅隆大学与中国的香港科技大学各以3篇而并列第一。
- 联邦学习领域的全球高被引论文作者主要聚集在中美。美国的高被引论文作者数量最多,占全球一半,也是中国的2.6倍。
- 全球专利受理数量以中国地区最多,约占全球受理总量的六成。专利申请数量前三名机构全部是中国机构。
- 开源框架主要来自中美,其中OpenMined 推出的Pysyft 、微众银行的FATE和谷歌的TFF框架的热度居于全球前三位。
未来联邦学习研究趋势将更多与算法模型和安全隐私技术相关
- 目前联邦学习研究热点主要聚焦在机器学习方法、模型训练、隐私保护三方面。
- 未来几年研究趋势将更多涉及算法模型和安全隐私技术,如数据隐私、深度学习、差分隐私、边缘计算、物联网、云计算、移动设备、同态加密、优化问题、沟通效率等。
- 行业应用越来越成熟,应用研究方向呈现出更多与物联网、区块链、车辆交互、5G/6G等技术融合的态势。
全球联邦学习论文发布量增长较快
基于AMiner 系统,通过关键词组在标题和摘要中检索2016年至2021年论文数据。结果显示,研究时段内联邦学习相关论文共计4576篇,自2016年被提出以来,研究论文数量逐年增多,到2021年的复合年增长率为40.78