创科广场｜科技园引入联邦学习 实现数据隐私计算

图灵奖2000年得主清华大学姚期智教授，曾提出「百万富翁」猜想：假设有两位百万富翁街上相遇，两人都想知道，谁更富有？但又不愿意让对方知道自己的身家。如何在没有第三方参与情况下，如何可让对方知道，谁更有钱？

姚期智其实正提出一个关于「隐私计算」（Privacy Computing）的问题，他近年的研究主要也是针对无可信第三方情况下，如何安全地计算一个约定函数的问题，也就是不透露具体数据内容，以协同计算出想要的结果。

近年全球数据保护日渐严格，姚期智提出的隐私计算，目标就是分离数据使用权与所有权，保障用户数据所有和私隐权，又不影响利用这些数据，作第三方运算和训练模型的用途。

隐私计算有3种主流的技术：区块链、联邦学习（Federated Learning）和安全多方计算（Secure Multi-Party Computation）。隐私计算可实现「数据可用不可见」、「数据不动模型动」的理念，训练模型移动到数据的所在地，只将运算结果取走，不带走或接触敏感数据；打破因法规和私隐保护形成的一个个数据孤岛，加强保护私隐和合规，隐私计算已被视为一种数据的新基建。

今年，中国的隐私计算初创融资市场炽热。10月底，北京瑞莱智慧科技完成超过3亿元人民币的A轮融资，成为继翼方健数和华控清交之后，再获得大型融资第三家隐私计算初创。中国在隐私计算技术起步甚早，现时甚至领先国际，翼方健数、蚂蚁金服、微众银行（WeBank）、华控清交，甚至被称为隐私计算的国内「四小龙」。

微众领跑联邦学习

微众银行采用金融技术主要均自主开发，除了经营互联网金融，也提供类似互联网银行和虚拟银行产品。上述技术以联邦学习已发展成保护数据安全和隐私的主流，微众银行则国内最早倡导联邦学习的研究机构，目前也是领导机构。

「联邦学习」可实现数据隐私计算，保障数据隐私、确保数据安全和符合法规要求下，为机器学习建立模型。数年前，微众银行亦开源了联邦学习框架FATE。

香港科技园于金融科技周推出金融科技虚拟实验室（FinTech Virtual Lab），以加快金融科技研发进程及商品化，金融科技虚拟实验室是科技园STP Platform下科研环境，协助银行、金融机构及科技公司发展和验证其金融科技产品，获香港金融管理局（金管局）支持。

人工智能系统训练模型

不少企业在未有充足数据时，往往需要与外部的数据供应商合作，才能推出解决方案。传统机器学习模式中，参与机构需要上载数据至中央伺服器，可能引起资讯安全及关注私隐的问题，金融科技虚拟实验室采用微众银行的「联邦学习」技术方案；为金融机构、科技公司和外部供应商提供安全途径，在妥善保存各自数据的同时，携手建立共同的机器学习模型。

参与的公司以人工智能系统训练模型，获取独立分析数据，毋须披露各自数据，确保私隐得到保障。这是香港首次在金融业，采用多用户的Federated Learning方案，现时亦已准备好接纳更多新用户。参与先导计画包括了中国银行（香港）、恒生和滙丰。

金融科技虚拟实验室旨在加速金融科技公司科研发展，并提升其产品及服务质素。平台欢迎香港金融科技公司参与，而科学园园区公司亦会受惠于此平台，当中30家正在金融科技周中展出其创新成果。