联邦学习场景应用研究报告（2022年） -CAICT.pdfVIP

联邦学习场景应用

研究报告

（2022年）

编制说明

本报告编写参与单位：中国信息通信研究院、卓信大数据计划、

开放星云计划、铸基计划、杭州锘崴信息科技有限公司、北京百度

网讯科技有限公司、北京明略软件系统有限公司、第四范式(北京)

技术有限公司、北京智慧易科技有限公司、深圳市洞见智慧科技有

限公司、同盾科技有限公司、光之树（北京）科技有限公司、上海

富数科技有限公司、零氪科技(北京)有限公司、OASES智能终端安

全生态工作委员会。

前言

数据作为数字经济和信息社会的核心资源，被认为是继土地、

劳动力、资本、技术之后的又一个重要生产要素，其在企业数字化

转型中发挥重要作用，并对国家治理能力、经济运行机制、社会生

活方式等产生深刻影响。与此同时，数据安全的重要性愈发凸显。

依法采取严密的监管措施，保障数据安全无虞，有利于为数字经济

发展夯实安全基础，为国家安全和公共利益保驾护航。

2021年以来，《中华人民共和国数据安全法》、《中华人民共和

国个人信息保护法》相继实施，个人隐私和产业机密数据保护日趋

完善，在着重强调数据安全和个人信息保护的同时，完善了数据

相关合规监管框架，为数据流通和使用进一步拓展了空间。

与此同时，以联邦学习技术为代表的隐私计算赛道产业生态逐

渐丰富，互联网厂商、初创专精型厂商、人工智能厂商等各领域企

业纷纷加入，在进一步加深技术研究的同时，相关垂直领域的行业

应用也逐渐丰富，形成百花齐放的行业发展态势。

本报告在中国信息通信研究院前期对于联邦学习技术、产业的

研究基础上，联合联邦学习产业链上下游企业，深入探讨联邦学习

在政务、医疗、金融、广告、物流的应用价值，以期为数据应用价

值的释放带来解读和参考。

目录

一、联邦学习简介1

(一)数据隐私安全及孤岛问题1

(二)联邦学习定义1

(三)联邦学习主要作用2

(四)联邦学习技术优势2

二、联邦学习发展历程3

(一)传统隐私保护3

(二)联邦学习4

(三)安全联邦学习5

三、联邦学习进阶6

(一)主要技术原理6

(二)联邦学习的分类8

(三)联邦学习模型15

(四)联邦学习能力17

(五)联邦学习流程18

四、安全联邦学习19

(一)可信计算环境20

(二)多方安全计算21

(三)同态加密21

(四)差分隐私22

(五)安全性23

(六)性能25

五、应用场景27

(一)政务开放27

(二)医疗应用28

(三)金融应用38

(四)数字广告56

(五)物流行业62

六、展望63

(一)政策引导、持续释放行业红利63

(二)凝聚共识、加速应用场景探索64

(三)标准建设、加强平台互联互通64

图目录

图1传统机器学习和联邦学习的对比3

图2联邦学习的两种架构模式7

图3横向联邦学习数据分割示例9

图4纵向联邦学习数据分割示例10

图5迁移学习数据分割示例11

图6联邦学习参与方的数据网络结构13

图7VTE数据分析示例33

图8隐私保护的跨国川崎病研究34

图9医学影像学深度分析引擎技术架构35

图10FedCIE:电子病历结构化联邦学习框架37

图11全业务信贷风控流程示意图40

图12银行联邦反欺诈方案示意图43

图13基于隐私计算的营销风控平台级解决方案45

图14应用隐私计算后的营销风控场景表现46

图15银保营销方案示意图50

图16银保营销方案示意图55

图17联邦学习A