3月17日晚，应巴曙松教授邀请，微众银行首席人工智能官杨强教授做客“北大汇丰金融前沿讲堂”，带来主题为“用户隐私、数据孤岛和联邦学习”的精彩分享，吸引近200名观众现场参与。根据疫情防控的相关要求，本次讲座同时采取线上直播形式，1100名观众在线听讲。

 

　　北京大学深圳研究生院副院长、北京大学汇丰商学院副院长王鹏飞教授在致辞中对杨强教授的到来表示热烈欢迎，并介绍了杨强教授的基本情况。杨强教授现任微众银行首席人工智能官，香港科技大学计算机与工程系讲座教授和前系主任，第四范式公司联合创始人，AAAI-2021大会主席，国际人工智能联合会（IJCAI）理事会前主席，香港人工智能与机器人学会（HKSAIR）理事长，智能投研技术联盟（ITL）主席，华为诺亚方舟实验室首任主任，ACM TIST和IEEE TRANS on BIG DATA创始主编，CAAI，AAAI，ACM，IEEE，AAAS等多个国际学会的Fellow。领衔全球迁移学习和联邦学习研究及应用，著作包括《迁移学习》《联邦学习》等。

 

王鹏飞教授致辞

 

　　讲座开始，杨强教授首先回顾了人工智能的发展史。他指出，人工智能从出现到现在已有60多年，人类经历了不同阶段的认知。数据作为语言，是真正使得机器和人工智能腾飞的关键。但是在现实中，数据往往是分散在各地的，各地之间的数据很难沟通，部分数据以“数据孤岛”的形式存在。而联邦学习就是在虚拟世界把物理分散的数据聚合起来，在聚合的过程中保护了用户的隐私安全。

 

杨强教授在讲座中回顾人工智能的发展史

 

　　随后，杨强教授指出，近年来，国家对数据隐私的保护立法越来越严格。不同领域和不同区域都有相关法律法规出现。联邦学习的思想就是支持分散数据的合作，能够保证数据不动，保留在本地，但模型可以沟通。杨强教授以基于安卓系统的联邦学习模型为例，介绍了横向联邦学习机制。此外，对于不同机构的不同数据特征，如果有较多样本的重叠，可以采用纵向联邦学习的模式，实现模型的加强。联邦学习研究是目前全球关注的课题，未来的研究展望主要包括安全合规、防御攻击、算法效率、技术应用和联盟机制等五个层面。

 

杨强教授介绍深度学习理论架构

 

　　接下来，杨强教授介绍了隐私计算的发展历程以及联邦学习在现实生活中的应用场景。隐私计算经历了三个发展阶段，第一代是属于“安全多方计算”，目的是通过隐藏的部分信息来保护隐私，但是缺陷是运算速度较慢；第二代是“集中式加密计算”，可以有效保证数据不被泄露，但是比较依赖于芯片支持；第三代是联邦学习，联邦学习在运算速度上改进很多，并且不需要特定的硬件来支持。在应用层面，联邦学习不但可应用于数据隐私保护，还可应用于传统金融行业的风险控制，保险业的商业创新以及软件的个性化推荐等。对于本地只有小数据的现象，杨教授指出迁移学习可以解决这一问题。迁移学习允许知识的重复利用，使得每次获得的经验可以重复地应用于现实世界。迁移学习目前应用于对话系统、推荐系统等众多领域。

 

　　讲座最后，杨教授介绍了微众银行人工智能团队在普惠金融领域所做的探索与实践。微众银行的人工智能团队覆盖金融机构经营全流程，在营销、客户服务和风险管理等场景中提供智能解决方案。微众银行通过线上客服、智能营销、联邦学习等技术服务更多小微企业，实现普惠金融，同时也为金融机构提供覆盖上市和非上市企业的风险分析平台，实现有效的金融风险控制。

 

讲座现场

 

　　在点评环节，北京大学汇丰商学院金融研究院执行院长、中国银行业协会首席经济学家巴曙松教授分析了联邦学习对金融行业发展的意义。他指出，重视数据隐私和安全已经成为一种世界性趋势，这对以大数据为基础的互联网商业模式提出了更高的要求与挑战，同时也为技术创新与金融创新指明了方向；相比传统的数据授权和数据传输模式，联邦学习既能满足隐私保护的要求，又能够实现商业诉求。联邦学习在不同行业的应用，也更符合未来大数据、多企业、跨行业的应用需求，这也表明，技术的创新与金融的创新息息相关，相互推动，同时在改变着金融行业的发展格局。

 

巴曙松教授在线点评

 

　　在提问环节，现场观众积极提问，杨强教授就大数据带来的挑战、中美之间的人工智能差距，以及目前联邦学习的相关应用落地等问题进行了详尽解答。

 

　　最后，北京大学汇丰金融研究院秘书长本力老师向杨强教授赠送纪念品并表示感谢。

 

本力老师代表学院向杨强教授赠送纪念品

 

工作人员全体合照

 

　　此次讲座是“北大汇丰金融前沿讲堂”的第90期。“北大汇丰金融前沿讲堂”由北京大学汇丰商学院主办，北京大学汇丰金融研究院承办，深圳市资产管理学会作为学术支持。“北大汇丰金融前沿讲堂”将继续邀请业界权威人士讲授金融前沿领域的理论知识与实践经验，为北大学子打造聚焦金融市场最新趋势与动态的优质平台。