前沿 | 打破信息孤岛，联邦学习如何落地
信息化时代，数据已经成为一种生产要素。但由于竞争关系，机构常常囿于流量之争，导致数据难以聚合发挥其最大价值。数据孤岛成为全球普遍问题。
与此同时，数据安全也成为现代人的隐忧，例如苹果公司出台新的隐私政策后，不少用户在提醒之下宁愿选择关闭数据分享，因为他们感到难以评估数据分享所带来的利弊。
在数据孤岛和数据安全的背景下，基于数据驱动的商业活动势必要进行改变。联邦学习应运而生，在做到数据可用不可见的前提下，完成跨公司、跨行业的数据聚合，赋能企业的业务发展。
近日，同盾知识联邦技术专家做客北京金融科技产业联盟“金融科技慕课学院”，进行了《联邦学习金融实施步骤》的主题分享，介绍了联邦学习项目从前期准备、实施建模、后期验收等各阶段的实施落地流程。
他提到目前联邦学习落地过程中存在的问题，例如业务人员对联邦学习很感兴趣，但难以明确运用场景；以及联邦学习与现有系统如何搭配，形成辅助等。此外，专家还分享了同盾在联邦学习探索过程中遇到的“坑”，以及相应的解决方案。
首先，在数据视角，联邦学习分为跨样本联邦学习、跨特征联邦学习及复合型联邦学习。之所以称为数据视角，因为这是根据参与方（特征和样本）数据的覆盖度进行的划分。
跨样本联邦学习，也叫横向联邦学习，是同行业之间的数据联合。在金融行业，横向联邦学习的应用不广，试点较少。目前大型机构不太愿意同业共享，而中小型机构迫于生存才愿意参与。同盾技术专家认为，未来在横向联邦学习领域将会被发掘出更大的潜能。
跨特征联邦学习，也叫纵向联邦学习，是跨行业的联邦学习，目前应用更广。例如银行有用户的收支行为与信用评级，运营商有用户的通信行为和网络行为，电商有用户的消费行为和偏好。联邦学习可以将数据脱敏之后运用，形成模型，进而指导企业的营销、风控、估价等业务。
复合型联邦学习，也称为联邦迁移学习，需要足够数据才能进行建模。在复合型学习当中，可能会应用到集成学习、元学习、特征蒸馏等手段。
其次，从参与方视角，联邦学习则分为两方联邦和多方联邦。理论上，只要有两方（及以上）参与就可以构成联邦学习，但实际落地上，两方联邦学习和多方联邦学习还是有差别的。
两方通常是由一方发起联邦请求，请求方也往往是模型的使用者。目的容易达成，一方提供数据，为一方解决问题。法律程序较为简单，不需要中间方。
同时，同盾技术专家也指出，想要将数据利用率更大化，两方联邦是远远不够的。相较之下，多方联邦的应用价值更高。但涉及三方、四方，甚至更多方的法务问题，以目前落地情况来看较难促成多方联邦。
同盾技术专家认为，多方联邦学习中模型使用者必然会关心谁的数据贡献大，因此需要引入数据贡献度等相关算法进行计算，来评估数据价值。同时涉及到某一方中途退出的情况也较为复杂。这些原因共同加大了多方联邦学习的落地难度。
最后，从架构视角，联邦学习也可分为弱中心化和去中心化两类。
联邦学习诞生之初就是以弱中心化模式设计的。有别于强中心化的安全屋模式，在弱中心化的联邦学习中，中心只是一个协调方，负责执行约定的规则，并辅助参与方进行信息交换，并不涉及汇聚、存储原始数据的功能。弱中心化是一个半理想、半现实的模型。而去中心化的联邦学习则是实践衍生的产物，在两两联邦中也得到了广泛的应用。
同盾技术专家认为，解决这些问题，要从联邦学习的落地全流程入手。联邦学习的落地流程涉及到两个团队的工作，一般将其分为业务侧和平台侧。
业务侧，通常是由业务专家来完成。首先要确认业务目标，是风控、估价、还是营销。之后，业务专家需要对业务场景进行分析，该场景是否需要用到其他来源数据，如果需要其他数据，业务专家基于业务场景，进行离线的数据分析、数据挖掘等工作，并准备联邦学习用的数据。
同盾技术专家认为，在业务场景分析中，需要关注的是业务目标的适配度、痛点分析、数据使用限制及实际数据情况。例如有些跨境场景是不允许数据使用的，则不适宜联邦学习落地。
同盾技术专家强调，联邦学习是大数据、人工智能和密码学的融合技术。做好联邦学习解决方案，则需要业务、法律、技术三方面的储备。
而在平台侧，首先要选定合作对象，需明确用来建模的数据，由参与方设计联邦数据的探查方式、联邦建模的算法等，最终经模型训练得到联邦数据模型。
目前提升联邦学习效率是联邦学习各厂商的发力点。为了提高建模效率，不同厂商采用的方法不一，有优化建模算法、优化加密算法、优化通信、硬件加速等。同盾智邦平台上以20万数据，两方特征200维为例，一次建模大约需要1小时。
当联邦学习模型经测试后达到目标预期，需要从测试环境向生产环境进行模型发布。不同环境的系统的侧重点是不同的，测试环境需注意大数据的承载能力，生产环境更需注意系统的稳定性和返回的实时性。
在政务经济大数据场景中，政务部门需在安全合规的基础上，解决地方大数据因数据孤岛而对地方企业缺乏细粒度了解的问题，监控企业健康度与区域经济发展状况，以实现监控地方经济状况与统筹规划资源等目标；这便需要基于智邦平台的多方安全计算实现安全统计、分析，输出实时可见监测业务看板，其结果可为政务提供可展示、可解读、可应用的数据解决方案，推进城市的数字化转型。实施时，操作方联通委办单位数据，即搭设智邦平台，安全联合分析各委办单位的企业数据，并联通互联网数据，即打通本地互联网平台数据，丰富分析维度。经实际验证，试点市的政务处理效率普遍可提高20%以上，而在疫情发生后，政府执行市场复产复工专项扶持项目时，平台专项扶持款在一个月内大幅增长。
银保营销复合型联邦场景比较复杂，其项目背景是某国有银行与某保险公司有紧密业务关系，保险公司若能从银行上亿客群中挖掘潜在保险用户，将有效提升银保营销转化率，提高保险销量。在这一场景中，相关各方需利用已有人群特征标签作为种子用户，构建多维、准确、及时的全息用户画像，找到更多潜在相似人群，同时优化营销渠道。保险公司常见的营销场景有健康险场景、年金险场景、车险场景等，基于这些场景，保险公司可根据用户的基础属性、资产情况、消费场景、行为属性、位置属性等精准划分人群标签。
银保营销复合型联邦存在一些难点，一是正负样本量差异大，保险公司负样本很少，而银行海量非保险用户。难点在于负样本的选取及构建、采样算法选择等。二是联邦体量差异大，即即银行客户群体远大于保险客户群体，难点在于种子用户筛选、受众群体的确定等。三是业务模式多样性，即保险具有产品多样、渠道多样等特点，银行则存在理公司多样、代理保险理财产品多样等特点。四是深挖业务补充样本，即操作方需深入理解保险、理财产品的差异性，并从其他产品中挖掘种子用户补充样本，操作方不易深度理解业务。
对于上述难点，保险公司可采用如下解决方案，一是用户拆解，对用户可群进行细致划分不划分共有用户/非公有用户，还划分高净值用户/低净值用户等，不同用户的特性需要分别进行对齐。二是问题拆解，涉及首购营销问题，即针对首次购买保险的用户营销；复购营销问题，即对已购买过保险，但未续购的用户进行营销；捆绑营销，即与其他产品捆绑向用户营销。三是模型拆解，基于用户拆解和问题拆解，该解决方案涉及多个模型，包括本地模型、联邦模型等。完成多模型训练后，将若干个模型进行融合，便可得到最终的模型结果。相较于原有营销模型，召回率提升超过三倍。