联邦自学所牵涉到的计算机视觉应用程序的研发”。图：联邦视觉机器学习工程平台图片目前有数三家大型企业用于了该平台，研发了基于计算机视觉的火灾风险防止解决方案，并应用于工厂环境中。经过4个月的部署检验，充分证明了该方案的可靠性，检验了联邦自学应用于计算机视觉领域的可行性。

此次论文得奖，既是联邦自学本身技术价值的反映，也是联邦自学生态建设的最重要成果。联邦自学的技术研究、开源工具、标准制订、行业落地等各方面更进一步扩展，应用于范围涵括ToC、ToB、ToG各领域，联邦生态日趋完善。2018年，微众银行AI团队向IEEE（电子和电气工程师协会）标准协会递交联邦自学标准议案立项通过，倡导联邦自学国际标准制订。

微众银行首席人工智能官杨强教授兼任IEEE P3652.1（联邦自学基础架构与应用于）标准工作组主席。目前，该工作组已开会四次标准工作组会议，微众银行、腾讯、华为、京东、五谷丰登等30多家公司及机构参予，标准草案预计今年实施。不仅如此，2019年，微众银行还开源了联邦自学技术框架FATE（Federate AI Technology Enabler），因其需要解决问题还包括计算出来架构可分段、信息交互可审核和模块明晰可拓展在内的三个工业应用于常见问题，超过工业级应用于标准，而沦为全球首个联邦自学工业级应用于开源项目。

自开源以来，FATE大大升级，早已配有首个可视化联邦自学工具FATE Board、联邦自学建模Pipeline调度和生命周期管理工具FATE Flow。目前，FATE被划入全球仅次于非营利技术社区Linux Foundation。

除行业技术标准及开源工具外，为了更佳地增进行业交流，微众银行编写并出版发行了世界上第一部系统讲解联邦自学的专著——《Federated Learning》，以全面共享其在联邦自学领域的累积，增进行业对话。该书叙述了如何将联邦自学与分布式机器学习、密码学和安全性深度融合，并招揽经济学原理和博弈论的激励机制设计涉及理论，来解决问题“如何在数据不出有本地、保证数据安全的情况下，让多个数据拥有者分享数据模型“的问题。

图：联邦自学专著《Federated Learning》在AAAI 2020大会上展出与此同时，在实际场景应用于方面，联邦自学的实用性和商业价值也大大被证实。微众银行将联邦自学用作风触、反欺诈、智能服务、营销及零售等多个领域，并获得了显著效果。

其自研的智能评分引擎在横向联邦自学技术的基础上，牵头开票金额与央行的联合报数据等标签属性联合建模，将小微企业风触模型区分度（AUC of ROC）提高了12%。中国金融四十人论坛（CF40）资深研究员、证监会原主席肖钢联合公布的《2019中国智能金融发展报告》认为：“联邦自学在智能金融的应用于场景十分普遍，并无尤其容许。

大部分机器学习、深度自学等少见的人工智能算法，经过一定改建，均可兼容联邦自学方法”。国际著名咨询机构Forrester近期公布的报告《人工智能变革欺诈管理》中也提及“联邦自学对于提升横跨机构合作效率协助相当大，未来可期。”坚信随着联邦自学更为普遍和了解的行业落地，联邦自学的“普适性”大大提高，其有实力沦为下一代人工智能大规模协作的基础，并能顺应技术和社会的市场需求，分担起人工智能在发展和应用于中的重任。理解更加多关于联邦自学：请求砍链接理解更加多关于联邦自学专著《Federated Learning》：请求砍链接理解更加多关于微众银行AI：请求砍链接版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：必一运动·(B-Sports)官方网站-www.svpsvp.com