数据是人工智能时代的石油，但由于监管法规和商业机密等因素限制，“数据孤岛”现象越来越明显。联邦学习是一种新的机器学习范式，它让多个参与者可以在不泄露明文数据的前提下，用多方的数据共同训练模型，实现数据可用不可见，是打破数据孤岛的有力武器。

做好贷前、贷中、贷后风险管理，是金融机构关心的核心命题，也是联邦学习落地的最佳场景之一。百融云创借助联邦学习这种数据不出本地的特性让数据使用全过程都变得更为安全可靠，为金融机构提供了更科学的风险管理方式。

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。因而，百融云创积极推动联邦学习在金融领域的应用，满足大数据、多企业、跨行业的应用需求，改变着金融行业的发展格局。

作为国内人工智能驱动金融业务升级的领航者，百融云创不断完善机器学习平台建设，基于风控场景率先在业内推出基于自动机器学习(AutoML)技术的智能模型训练平台“计算未来AutoML”。与此同时，在数据和信息安全备受重视的形势下，百融云创积极探索联邦机器学习(FML)技术，通过去中心化协作的方式，为金融机构转型升级提供全新的发展思路，可以帮助金融机构在没有任何模型训练经验的条件下，快速、高效地完成风控模型训练与智能风控体系搭建。

百融云创利用联邦学习设计完善的AI系统解决方案，既能保护用户的数据隐私，同时又能更高效、准确地使用孤立的数据，构建更为高效的金融反欺诈模型。同时，百融云创有效帮助多个金融机构在满足用户隐私保护、数据安全和政府法规的要求下，利用双方或多方数据实现定制化的模型优化。随着金融行业不断利用AI技术来驱动业务的转型升级，加快智能化升级进程，百融云创加速行业AI技术落地，打造金融行业的坚实后盾。

数据孤岛和数据隐私问题制约着AI的发展，尽管联邦学习等新技术已进入金融行业的细分领域，但数据安全与隐私保护问题仍然道阻且长。未来，百融云创还将积极推动创新技术应用，打造开放合规的数据合作与风险防控平台，为提升金融业数字化和智能化水平贡献力量。