11月14日至11月16日，律商联讯风险信息(LexisNexis Risk Solutions，以下简称“律商风险”)与某重要客户进行了隐私计算联邦建模。该项目在保护数据隐私前提下，实现联合建模，达到数据“可用、不可见”。

　　律商风险研发的“律商风险联邦学习”，于今年7月通过了中国信通院隐私计算产品相关评测，即“可信隐私计算”评测，获得“联邦学习基础能力专项评测认证”，标志着律商风险研发的联邦学习在调度管理能力、数据处理能力、算法实现、模型效果及性能、安全等方面获得了专业机构认可。

　　基于律商风险构建的LNFA平台，双方各自在该隐私计算平台上传双方数据，先后实施数据授权、样本对齐（PSI）、特征选择、特征工程、模型训练、模型校验等流程，对SecureBoost（XGBoost）等主流联邦算法进行测试。该项目通过与传统集中式建模的结果对比，在模型精度和性能方面均达到双方预期。

　　律商风险高级数据科学家单翔、技术经理黄吉勇就加密原理，联邦学习理论与算法、平台架构与安全框架等与客户进行了深入交流。单翔强调，优化模型参数是提升联邦学习性能和稳定性的关键。他认为应满足客户对模型结果可视化的分析需求，最终实现平台的联邦学习、联邦分析和联邦部署。

　　本次合作进一步促进了律商风险隐私计算平台在保险行业的场景落地。在不暴露各自数据、保护双方隐私安全的前提下，连通“数据孤岛”，实现了数据价值和模型的共享互通。

免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如稿件版权单位或个人不想在本网发布，可与本网联系，本网视情况可立即将其撤除。