FATE開源項目首位貢獻者團隊聊“聯邦學習”：高校已加大投入深研

　　作為一門新興技術，“聯邦學習”能在保證數據隱私安全基礎上，實現共同建模，提升AI模型的效果。

　　這樣的前景，讓“聯邦學習”自提出以來就受到各方關注，在國內，微眾銀行首席人工智能官，國際人工智能學會理事長楊強教授與微眾銀行AI團隊為了“聯邦學習”的普及與落地，率先發布了商用級開源項目 FATE(Federated AI Technology Enabler)。

　　FATE作為“聯邦學習”的第一個開源社區，吸引了大量技術愛好者與高校研究團隊的目光，來自香港科技大學的研究生——敬清賀，就是其中一員。作為首位貢獻者，他提出了對FATE通信框架的優化建議，顯著提升了通信效率。

　　對此我們采訪了敬清賀，分享他與團隊對FATE的研究，以及更多關于FATE的期望與設想。

　　1.國內第一個對“聯邦學習”的良好實現

　　敬清賀所在的港科大研究小組，主要工作中有一大項即為對機器學習框架進行優化，也因此接觸到了“聯邦學習”這一新興的概念。

　　“聯邦學習”在本質上，是一種基于多方安全計算的分布式機器學習技術，參與各方可以在不披露底層數據和底層數據的加密(混淆)形態的前提下共建模型。作為一種共贏的機器學習方式，它能有效連接“數據孤島”，形成一片共贏的AI大陸。行業應用中能幫助不同機構打破隔閡，聯合建立AI模型，同時各方的數據都不出本地，能讓用戶隱私得到最好保護。

　　而FATE作為“聯邦學習”的落地實現項目，受到了研究小組的重點關注。在對FATE進行深入了解并討論后，這一群年輕的技術愛好者，躍躍欲試地開始嘗試用FATE解決研究中遇到的問題，并由此對FATE開源項目提出優化建議。

　　據敬清賀講：“接觸FATE一段時日后，我們感到這是國內第一個對‘聯邦學習’的良好實現”。在敬清賀及研究小組看來，FATE對 “聯邦學習”概念進行了豐富和拓展，不僅包括了橫向聯邦學習，還包括縱向聯邦學習， 更將“聯邦學習”和“聯邦學習”相結合，從而讓不同組織不同模式的數據都能實現合作。他們認為，這樣的實現形式，使得FATE能為有特殊需求的機構，比如對用戶隱私保護有訴求的兩個公司，提供了合作的可能。

　　圖：敬清賀接受采訪

　　2.基于“聯邦遷移學習”的FATE適用場景很廣泛

　　據敬清賀設想，FATE的適用場景相當廣泛，尤其是在金融、醫療等，對數據更敏感，監管也更強的場景下，FATE能夠協助實現在保障數據隱私基礎上的協同合作。

　　敬清賀及研究團隊明白，真正的使用場景中，不可能要求兩個單位訓練模型時，具有相同結構的信息，這幾乎是無法實現的，即使能限制整個用戶都要有相同模型，那應用場景也會相當有限。因而，像FATE這樣結合了縱向聯邦學習，聯邦遷移學習的形式，能進一步拓展適用場景。即使兩個機構的模型是不一樣的，它還是可以共享數據一起訓練。這也是FATE最讓這群年輕的研究愛好者所欣賞的點。

　　以微眾銀行為例，在不共享用戶數據的前提下，微眾銀行聯合多家銀行建立的反洗錢模型，經過模擬測試，參與銀行越多，模型的性能越高。而在醫療場景下，比如多家醫院醫療影像、病例分散的情況，也可以通過聯邦學習提升疾病預測準確度，提升整體診療水平。

　　當然，除了學習和建模能力，面對即將到來的5G時代，網絡安全特別是數據安全問題也是一大要點,人人都在提給數據裝上“安全閥”,從歐盟的“數據隱私保護法”GDPR(The General Data Protection Regulation),到我國國家互聯網信息辦公室起草的《數據安全管理辦法(征求意見稿)》，數據在安全合規的前提下自由流動，成了大勢所趨。

　　而在同樣關注數據安全的敬清賀看來，FATE對加密算法的優化，使用同態加密而非DP等形式，也更有力地保障了數據安全，對AI的落地起到了極大的推動作用。

　　3.年輕研究團隊與技術愛好者心中的FATE

　　作為FATE開源項目的首位貢獻者，也是最早使用和接觸FATE的一群年輕技術愛好者，敬清賀和研究團隊的伙伴也對FATE具有許多構想，他們相信FATE框架語言還可以實現更多模型，從而應用在不同的場景中。而在性能上，他們也會繼續深入研究，探索是否有優化的可能。

　　在采訪的最后，敬清賀表示，FATE是一個非常好，非常新的東西，給AI的落地提供了更大的幫助，也讓AI能應用到更多的適用場景里，對不同的領域讓機器學習學出的模型更可靠，讓機器學習更好地進入我們的生活。在以后，他也會持續關注著FATE，期待著自己和更多的技術愛好者，能跟隨著整個框架的更新去做一些有意義東西。

　　4. 開源生態離不開有志向的年輕技術愛好者

　　據了解，敬清賀來自于香港科技大學網絡系統實驗室(HKUST SingLab)，香港科技大學副教授、SINGLAB主任陳凱帶領學生們共同研究網絡系統的設計、分析和落地。實驗室這一研究可以打破人工智能設施Scale Out的通信瓶頸，提升人工智能基礎設施的算力，讓聯邦學習技術更好、更快的落地。

　　像敬清賀這樣的貢獻者初現崢嶸，可以預見，在以后會有越來越多高校和年輕技術愛好者投入FATE開源項目建設中。楊強教授欣慰地表示：一個有活力的開源生態離不開有志向的青年人的貢獻。

　　楊強教授指出，安全和保護隱私的智能計算是軟件業當前最重要的發展方向之一。FATE已經成為維系大數據、人工智能和多方計算架構的主力軍。我們歡迎更多像清賀這樣的技術新秀參與其中，讓這個“機器學習大數據的操作系統”生態變得越來越有活力。

　　同時，面對許多技術愛好者及開發者所關心的聯邦學習走向，以及這門技術的未來發展等問題，楊強教授講到，“聯邦學習是一種保護用戶數據隱私的有效技術，它的研發和工業應用密不可分。所以，在接下來的發展中，也期待越來越多的企業和機構會采用聯邦學習技術，發展2C和2B的人工智能垂直應用。”

　　社會對隱私和數據安全愈加嚴格的要求，將會推動新的加密技術和多方建模的技術更加蓬勃的發展。讓我們一起期待。

　　FATE開源社區，匯聚了大量人工智能專業人士，為聯邦學習的“帝國”添磚加瓦。

　　來github一起參與項目，貢獻者將加入FATE開源項目名單，更可獲取300-10000元等同價值激勵：https://github.com/webankfintech/fate

　　了解更多，可訪問FedAI聯邦學習官網：https://www.fedai.org/#/

　　咨詢及溝通，可添加【FATE開源社區助手】微信號：FATEZS001。