京东数科推出自研联邦学习平台Fedlearn 可不交换数据进行联合建

10月12日消息，近日，京东数字科技集团（简称：京东数科）正式推出自主研发的联邦学习平台——Fedlearn，旨在更好地挖掘数据价值，实现多方共赢的机器学习，在满足数据隐私安全和监管要求的前提下，让人工智能系统更加高效准确地共同使用各自数据的机器学习框架。

根据官方的介绍，京东数科Fedlearn平台具有三大特点。第一，在数据和模型隐私方面，不同参与方之间没有直接交换本地数据和模型参数，而是交换更新参数所需的中间数值。

同时，为了避免从这些中间数值中恢复数据信息，采用增加扰动对这些数值进行保护，确保了数据和模型的隐私安全。其次，在通讯方面，引入中心化数据交换的概念，使得数据的交换独立于参与方。最后，Fedlearn平台采用异步计算框架，提高了模型训练的速度。

京东数科方面表示，相较于传统的数据共享交换方法，Fedlearn平台提出了并行加密算法、异步计算框架、创新联邦学习等技术架构，在保证数据安全的前提下提升学习效率，并逐步达到融合亿级规模数据的能力。

京东数科风险管理中心智能模型部负责人彭南博表示，“联邦学习并不会损害模型效果，反而能够提高业务模型效果。在京东数科风控‘联邦模盒’产品业务实践中，着实取得较于传统联合建模更优的效果”。

据悉，目前京东数科金条、白条业务模型已经实现了传统建模向联邦建模的升级，联邦模式下模型的风险识别能力和流量转化率均得到了提升。“我们希望依托数科强大的AI技术背景，通过Fedlearn平台的科技能力输出助力用户和产业实现‘联结’，为各种规模企业实现赋能和增长，这也是我们作为联邦学习应用落地领军者的使命”，薄列峰表示。