CNCC技术论坛丨联邦学习冲刺人工智能“最后一公里”！

来源：中国计算机学会

本论坛将于 CNCC2019 中国计算机大会第一天（10月17日）在苏州金鸡湖国际会议中心 A305 会议室举行，探讨号称人工智能“最后一公里”的联邦学习，届时业内专家将会碰撞出什么样的火花呢？敬请期待。

联邦学习是国内外学术界、产业界争相占领的新高地，是人工智能领域发展的新方向，业内称其为人工智能的“最后一公里”，意指联邦学习能够解决现在人工智能研究中的数据孤岛问题，构建数据经济新生态。

联邦学习是解决“数据孤岛”问题的关键技术

在大数据时代，数据就意味着价值，数据已成为了互联网企业和科技企业生存和发展的基础性问题。 想要通过机器学习做出足够精准的决策，充分利用信息资源，仅仅使用一方的数据资源效果往往并不理想，不同资源方的数据整合可以充分利用信息资源，挖掘数据价值。 出于严格的数据监管环境、公司竞争、审批流程等原因，公司之间甚至公司内部的数据之间实现真正的互联互通仍然存在很大的阻碍，数据之间巨大壁垒导致了“数据孤岛”的现象存在。

在日趋严格的数据保护环境的管制之下，数据究竟应该如何合理地被使用呢？

2017年，谷歌牵头针对“数据孤岛”问题提出了“联邦学习”技术。 “联邦学习”是一种面向安全合规的数据合作的机器学习技术，是一种保障数据安全的机器学习建模方法，它解决了数据无法直接整合进行机器学习模型训练的问题，能在保证数据隐私安全基础上，实现共同建模，提升机器学习模型的效果。 联邦学习”没有特别的领域或者具体的算法限制，应用前景十分广阔。

随着5G、IoT技术的进一步发展，设备间传输带宽的大幅改善以及边缘计算性能的增强，联邦学习也将用于5G、IoT网络基础之上的AI能力提升和生态构建。

目前，国内百度、阿里、腾讯、平安科技等公司正在努力推动的“联邦学习”技术产品的落地，推动联邦学习社区进一步发展。

相关法规日益完善，数据监管环境趋严

随着国内外数据隐私丑闻频发，世界各国正在努力促成相关数据保护法规的制定和实施。 2018年5月，欧盟《通用数据保护条例》（General Data Protection Regulation, 简称GDPR）生效，带来趋严的数据监管环境。

中国近年来也相继颁布了一些数据监管法规。 2017年起实施的《中华人民共和国网络安全法》和《中华人民共和国民法总则》中指出：

“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。 ”

这意味着对于用户数据的收集必须公开、透明，企业、机构之间在没有用户授权的情况下数据不能交换。

2019年5月28日零点，国家互联网信息办公室发布了《数据安全管理办法（征求意见稿）》，向社会公开征求意见，文中多次提及“个人信息”和“重要数据”，是征求意见稿的重要管理对象。 《数据安全管理办法（征求意见稿）》对网络运营者在数据收集、处理使用、安全监督管理等方面提出了要求。 这进一步为个人数据安全加了一把锁，既是大数据时代数据安全的刚需体现，也在为5G市场铺平国内数据处理合规化道路。

今年，中国计算机大会(CNCC2019)特设了“联邦学习与数据安全管理”论坛，结合现阶段联邦学习在金融等领域的发展与挑战，邀请了知名企业技术大牛和高校教授进行“联邦学习”相关的交流探讨，力图推动联邦学习技术在金融、医疗等领域更好更快地发展。

论坛将围绕联邦学习打破“数据孤岛”，解决用户数据隐私保护问题，促成新商业模式和新机制，在金融领域的应用等一系列关键技术进行交流和探讨。

CNCC2019“联邦学习与数据安全管理”论坛

嘉宾及演讲主题如下：

论坛主席

王健宗

王健宗博士担任深圳市金融智能机器人研究中心常务副主任，中国人工智能开源软件发展联盟副理事长，资深人工智能总监，美国佛罗里达大学人工智能博士后，高级工程师。现任中国计算机学会大数据专家委员会委员，高级会员，CCF深圳分部副秘书长，YOCSEF深圳副主席，曾任美国莱斯大学电子与计算机工程系研究员，专注于联邦学习和人工智能在金融、保险、投资、医疗等领域的研发工作，发表深度学习、云计算、大数据等领域国际论文30余篇，以及专利100多项。多届国内知名大数据人工智能和联邦学习会议出品人。

杨胜文：百度大数据技术委员会主席、主任架构师

报告题目：隐私保护的联合建模技术及应用实践

个人简介：杨胜文，清华大学计算机科学与技术专业博士，百度大数据技术委员会主席、主任架构师。曾先后在惠普中国研究院、雅虎北京研究院、EMC中国卓越研发中心工作，主要从事数据挖掘、大数据分析与建模、精准广告、MPP数据仓库及在库分析、用户理解和用户画像等领域的技术研发，以及在保险科技、金融科技等领域的创新探索。

周俊：现任蚂蚁金服集团人工智能部总监       

报告题目：AI+金融

个人简介：现任蚂蚁金服集团人工智能部总监，负责蚂蚁机器学习的研发。先后参与过XLib（阿里通用机器学习库）、飞天（阿里分布式操作系统）、ODPS（阿里数据处理平台）以及大规模机器学习平台（Parameter Server）等几大分布式系统与算法平台的开发。在KDD、IJCAI、AAAI等顶级人工智能会议/期刊上发表论文数十篇，提交人工智能专利和专利申请100余项

曹祥：现任微众银行AI部高级研究员

报告题目：联邦学习技术应用以及商业模式思考

个人简介：曹祥博士毕业于西安交通大学人工智能与机器人研究所，，之后进入中国银联战略与投资部进行风险投资工作，同时在中国银联与复旦大学博士后工作站从事生物特征识别研究。目前任职微众银行人工智能部，负责战略与政府关系。

陈为：浙江大学CAD&CG国家重点实验室副主任

报告题目：面向数据隐私保护的可视分析

个人简介：陈为，浙江大学教授，博导。研究兴趣是大数据可视分析。发表国际顶尖学术期刊和会议论文70余篇，出版教材3部。

吴韶华：浪潮（北京）电子信息产业有限公司人工智能与高性能产品部副总经理

报告题目：深度学习分布式训练性能优化

个人简介：吴韶华博士，资深研发专家，研究方向为人工智能、高性能计算及两个领域的融合。当前致力于大规模分布式训练、深度学习计算图性能优化等方向。

何安珣：平安科技高级算法工程师

报告题目：联邦学习在金融领域的前景和应用

个人简介：何安珣，平安科技联邦学习团队高级算法工程师，主要研究联邦学习技术在金融领域的落地应用，研究方向主要是联邦学习框架搭建、加密算法研究和模型融合技术的探索。在国内外期刊上发表多篇论文，提交联邦学习相关技术专利数个。

---

《崛起的超级智能》一书主要阐述当今天人类为人工智能的春天到来而兴奋，为人工智能是否超越人类而恐慌的时候，一个更为庞大、远超人类预期的智能形态正在崛起，种种迹象表明50年来，互联网正在从网状结构进化成为类脑模型，数十亿人类智慧与数百亿机器智能通过互联网大脑结构，正在形成自然界前所未有的超级智能形式。这个新的超级智能的崛起正在对人类的科技，产业、经济，军事，国家竞争产生重要而深远的影响。

作者：刘锋   推荐专家：张亚勤、刘慈欣、周鸿祎、王飞跃、约翰、翰兹

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”